典型文献
基于模糊邻域熵的多粒度离群点检测方法
文献摘要：
离群点检测是数据挖掘和机器学习领域重要的研究方向之一,其目的是识别与其他样本表现显著不同的样本.本文提出了一种基于模糊邻域熵的多粒度离群点检测方法.首先,将模糊相似性引入邻域熵和相对熵,提出模糊邻域熵和相对模糊邻域熵的不确定性度量.其次,分析了模糊邻域熵和相对模糊邻域熵在逻辑和几何上的差异特性.最后,结合理想解法(TOPSIS)和多粒度序列提出了新的样本离群程度评判标准 TFMME-OF(TOPSIS and Fuzzy Multigranulation Mixed Entropy-based Outlier Factor).实验结果表明,该方法相较于其它同类方法有更好的离群点检测效果.
文献关键词：
离群点检测;邻域熵;模糊邻域熵;理想解法;多粒度序列
中图分类号：
作者姓名：
汪贝琪;周杰;高灿
作者机构：
深圳大学计算机与软件学院,广东深圳 518060;广东省智能信息处理重点实验室(深圳大学),广东深圳 518060
文献出处：
引用格式：
[1]汪贝琪;周杰;高灿-.基于模糊邻域熵的多粒度离群点检测方法)[J].模糊系统与数学,2022(06):102-113
A类：
模糊邻域熵,多粒度序列,TFMME,Multigranulation
B类：
离群点检测,学习领域,本表,相对熵,出模,不确定性度量,理想解法,TOPSIS,评判标准,OF,Fuzzy,Mixed,Entropy,Outlier,Factor,检测效果
AB值：
0.156067
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
