基于密度划分的离群点检测算法

• 作 者: 魏龙 王勇
• 机 构: 西北工业大学计算机学院,西北工业大学理学院
• 出 处: 计算机与现代化
• 发表日期: 2015年3期
• 关键词: 数据挖掘 聚类 离群点检测 data mining clustering outlier detection
• 基金项目: 西北工业大学基础研究基金资助项目（JC201273）

目前,大部分离群点检测算法需要人工输入参数,不能同时检测出全局和局部离群点,不能有效处理密度不均匀数据。针对这些问题,提出一种基于密度划分的离群点检测算法DD-DBSCAN。主要创新包括：1）运用最小生成树的方法,新定义簇密度概念,将数据录入后划分成密度不等的簇,使算法能够处理密度分布不均匀的数据;2）采用＂分而治之＂的思想,对经过划分的数据集分别进行离群点检测,使得算法能够同时处理全局和局部离群点;3）通过在各个簇中自适应地计算所需参数值,算法不再需要人工输入参数（聚类半径（Eps）等）。通过在2D模拟