科研之友
微信
新浪微博
Facebook
分享链接
摘要
单一的离群点检测方法对所有数据采用同一种异常标准，无法综合考虑全局和局部信息，存在精度不足和效率低下等问题。为解决上述问题，提出一种融合孤立森林(iForest)和局部离群因子(LOF)的离群点检测方法(FSIF-HDLOF),即利用高效的iForest对原始数据集进行剪枝，再采用LOF对剪枝后的数据集进行更精确的检测。在剪枝及检测阶段，算法针对iForest和LOF的不足进行相应改进。结合数据点在剪枝及检测阶段的异常信息，定义加权融合公式来确定离群点。实验结果表明，FSIF-HDLOF实现了检测精度与效率的良好平衡，尤其在大数据量且低离群点比例的数据集上的检测精度优势较大。
-
单位武汉理工大学; 武汉工程职业技术学院
