局部离群点相关论文
为提高低压台区线损异常检测方法的数据采集成功率与检测准确率，提出基于局部离群点的低压台区线损异常检测方法研究。分析低压台区......
数据流作为一种新型的数据模型,在许多应用诸如网络流量管理、金融数据处理、交通治理以及电子商务中都扮演着重要的角色。在数据......
数据流聚类是数据挖掘领域的一个重要研究方向，其研究成果已被应用于诸多领域。然而传统数据流聚类算法不适应于不确定数据流，而且在......
[目的]基于局部密度的LOF算法时间复杂度高,且容易将处于簇边缘的正常对象误判成异常对象,INFLO算法引进反向k-近邻解决LOF算法这......
高频数据易出现异常且出于无序状态,研究基于局部离群点检测的高频数据共现聚类算法。利用可变网格划分的局部离群点,挖掘高频数据......
针对三维扫描仪获取的带噪声和离群点的点云数据,提出了基于局部离群点概念的去噪算法。通过k-近邻(KNN)搜索建立散乱点之间的拓扑......
提出了一种基于多示例学习(multi-instance learning,MIL)的局部离群点检测算法,称之为MIL-LOF(a local outlier factor based on ......
基于密度的局部离群点检测算法（LOF）不适用于解决高维度、多义性的数据集检测.通过对LOF算法的分析,提出了一种基于多标记学习（Multi-......
基于统计学和基于距离的离群点检测都依赖与给定数据点集的全局分布,然而数据通常并非都是均匀分布的。当分析分布密度相差很大的......
为能及时发现数据流上的局部离群点,分析数据流已有的离群点挖掘算法,提出基于小波密度估计的离群点检测算法。利用小波密度估计多......
离群点可分为全局离群点和局部离群点.在很多情况下,局部离群点的挖掘比全局离群点的挖掘更有意义.提出了一种基于密度的局部离群......
近年来,随着不确定数据挖掘方法在气象、经济、军事、移动电信等领域的广泛应用,不确定数据的研究已成为当前数据挖掘理论体系的研......
离群点挖掘可揭示稀有事件和现象、发现有趣的模式,有着广阔的应用前景,因此引起广泛关注。首先介绍离群点的定义、引起离群的原因......
