针对基于距离的离群检测算法无法有效应用于分类属性数据集,本文提出一种基于粒度计算理论的对象离群程度计算公式。基于该公式所计算的对象的离群因子值,对所有对象进行排序,将排序后的前k个对象声明为离群点。为了使用相对简单的方法...针对基于距离的离群检测算法无法有效应用于分类属性数据集,本文提出一种基于粒度计算理论的对象离群程度计算公式。基于该公式所计算的对象的离群因子值,对所有对象进行排序,将排序后的前k个对象声明为离群点。为了使用相对简单的方法从分类属性数据集中查找离群点,文中构造了一个算法ODAGr C(Outlier detection algorithm based on granular computing)。理论分析和应用实例证明了ODAGr C算法的有效性和可行性。展开更多
文摘针对基于距离的离群检测算法无法有效应用于分类属性数据集,本文提出一种基于粒度计算理论的对象离群程度计算公式。基于该公式所计算的对象的离群因子值,对所有对象进行排序,将排序后的前k个对象声明为离群点。为了使用相对简单的方法从分类属性数据集中查找离群点,文中构造了一个算法ODAGr C(Outlier detection algorithm based on granular computing)。理论分析和应用实例证明了ODAGr C算法的有效性和可行性。