一种多因素融合的高效离群点检测方法

摘要

基于邻域粗糙集的对象邻域相对比和对象重要度等粒化特征，提出了改进的基于邻域粗糙熵的多因素融合的离群点检测(neighborhood rough entropy-based outlier, NREOD)算法。在加利福尼亚大学尔湾分校(University of CaliforniaIrvine, UCI)数据库的标准数据集上的对比实验表明，NREOD算法在不同类型的数据集的离群检测的误判率更低，并且有更好的适应性和有效性。此算法为混合型属性数据集的离群检测研究与应用提供了一条新的有效途径。

关键词

数据挖掘 / 离群点检测 / 邻域粗糙集 / 邻域粗糙熵 / 多因素融合