论文部分内容阅读
为了减少基于密度的异常点检测算法邻域查询操作的次数，同时避免ODBSN（Outlier Detection Basedon Square Neighborhood）中有意义异常点的丢失和稀疏聚类中的对象靠近稠密聚类时导致错误的异常点判断，提出了一种基于邻域和密度的异常点检测算法NDOD（Neighborhoodand Densitybased Outlier Detection）。NDOD吸收基于网格方法的思想，以广度优先扩张方形邻域，成倍地减少了邻域查询的次数，从而快速排除聚类点并克服基于网格方法中的“