一种改进的基于加权属性的SLOF离群点挖掘算法
SLOF based on Weighted Attribute of the Improved Algorithm for Outlier Mining
摘要
SLOF算法采用了空间对象的空间属性和空间关系确定空间邻域,并结合非空间属性的权值来计算对象在其邻域内的离群度,但在计算属性权值时,仍然由邻域专家决定,存在人为因素。文中采用计算每个对象的每个非空间属性的去一划分信息熵增量,并通过这个值来反映各个属性对对象离群的贡献程度,给出一种改进的SLOF算法。实验结果表明,算法具有计算效率高和对用户依赖性小的优点。
Abstract
SLOF algorithm uses spatial properties and spatial relationships of spatial objects to determine spatial neighborhood and combined with the weight of non-spatial attributes to calculate the object＇s outlier in its neighborhood.However,the attribute weight
关键词
高维数据/信息熵/息熵增量/属性权值/偏离因子Key words
high dimensional data/entropy/entropy increment/attribute weights/deviation factor引用本文复制引用
出版年
2011
NETL
NSTL
万方数据