典型文献
基于快速密度峰值聚类离群因子的离群点检测算法
文献摘要：
针对密度峰值聚类算法需要人工设置参数、时间复杂度高的问题,提出了基于快速密度峰值聚类离群因子的离群点检测算法.首先,使用k近邻算法代替密度峰值聚类中的密度估计,采用KD-Tree索引数据结构计算数据对象的k近邻;然后,采用密度和距离乘积的方式自动选取聚类中心.此外,定义了向心相对距离、快速密度峰值聚类离群因子来刻画数据对象的离群程度.在人工数据集和真实数据集上对所提算法进行实验验证,并与一些经典和新颖的算法进行对比实验,从正确性和时间效率上验证了所提算法的有效性.
文献关键词：
数据挖掘;密度峰值聚类;离群点;k近邻;向心相对距离
中图分类号：
作者姓名：
张忠平;李森;刘伟雄;刘书霞
作者机构：
燕山大学信息科学与工程学院,河北秦皇岛 066004;河北省计算机虚拟技术与系统集成重点实验室,河北秦皇岛 066004;河北省软件工程重点实验室,河北秦皇岛 066004;河北科技师范学院,河北秦皇岛 066004
文献出处：
引用格式：
[1]张忠平;李森;刘伟雄;刘书霞-.基于快速密度峰值聚类离群因子的离群点检测算法)[J].通信学报,2022(10):186-195
A类：
向心相对距离
B类：
离群点检测,检测算法,密度峰值聚类算法,设置参数,时间复杂度,近邻算法,密度估计,KD,Tree,索引,数据结构,结构计算,算数,数据对象,乘积,自动选取,聚类中心,真实数据,时间效率
AB值：
0.233142
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。
