洛夫

LOF:识别基于密度的局部异常值。对于许多KDD应用来说,例如检测电子商务中的犯罪活动、发现罕见的实例或异常值,可能比找到常见模式更有趣。现有的离群点检测工作将离群点视为一个二进制属性。在本文中,我们认为,对于许多场景,为每个对象指定一个离群值的程度是更有意义的。这种程度称为对象的局部异常因子(LOF)。它是局部的,因为程度取决于物体相对于周围邻居的孤立程度。我们给出了一个详细的形式化分析,表明LOF具有许多理想的性质。利用真实世界的数据集,我们证明了LOF可以用来寻找看似有意义的异常值,但在其他方面不能用现有的方法识别。最后,对算法进行了仔细的性能评估,结果表明我们的局部孤立点发现方法是可行的。


zbMATH中的参考文献(参考文献91篇文章)

显示结果1到20,共91个。
按年份排序(引文)
  1. 德乌索,皮耶尔帕洛;德乔瓦尼,利维亚;Massari,Riccardo:稳健聚类的平滑自组织映射(2020)
  2. 菲尔兹莫瑟,彼得;Gregorich,Mariella:应用数据分析中的多变量异常值检测:全局、局部、成分和单元异常值(2020)
  3. 岩田聪;丰田章男;托拉,肖塔罗;Ueda,Naonori:使用不精确标签进行异常检测(2020年)
  4. 坎大那拉奇,塞万迪;穆尼奥斯,马里奥A。;亨德曼,罗布J。;Smith Miles,Kate:关于无监督异常值检测的规范化和算法选择(2020)
  5. 纳扎特,格雷戈里;日特尼科夫,安德烈;Lim,Lek Heng:深度神经网络的拓扑结构(2020)
  6. 瑞安,法提米;Schulte,Oliver:基于模型的对象关系数据异常挖掘(2020)
  7. 张春凯;阴、敖;左、卫;陈颖阳:基于局部密度估计的隐私保护异常检测(2020)
  8. 阿迪提亚,孔杜里;科拉,赫曼特;凯格尔迈耶,W.菲利普;谢德,提摩太·M。;玲,茱莉亚;Davis,Warren L.:使用联合统计矩对科学数据进行异常检测(2019年)
  9. 布罗迪诺娃,萨尔卡;菲尔兹莫瑟,彼得;奥特纳,托马斯;布雷特内德,基督教;Rohm,Maia:鲁棒稀疏(k)-高维数据聚类(2019)
  10. 埃拉斯·佛朗哥,卡洛斯;马丁内斯雷戈,大卫;吉亚罗·贝尔迪尼亚斯,伯莎;贝坦萨洛;Bahamonde,Antonio:混合数值和分类输入空间中的大尺度异常检测(2019)
  11. Łukasik,Szymon;拉里克,康拉德;莎娜,皮奥特;科瓦尔斯基,皮奥特A。;查塔诺维奇,马łgorzata;Kulczycki,Piotr:使用近似近邻的有效天文数据凝聚(2019)
  12. 赵悦,扎因·纳斯鲁拉,郑莉:PyOD:一个用于可伸缩异常点检测的Python工具箱(2019)阿尔十四
  13. 布罗迪诺娃,萨尔卡;扎哈里耶娃,玛雅;菲尔兹莫瑟,彼得;奥特纳,托马斯;Breiteneder,Christian:不平衡高维媒体数据聚类(2018)
  14. 林朝光;朱秋汉;郭树南;金、卓晨;林语如;曹楠:基于正则化非负张量分析的时空数据异常检测(2018)
  15. 卢卡,斯蒂恩·E。;皮门特尔,马可·A·F。;沃特金森,彼得J。;Clifton,David A.:空间点模式及其极值的新颖性检测的点过程模型(2018)
  16. 波达尔,桑约利;Patra,Bidyut Kr.:(k)的执行成本降低-基于最近邻的离群点检测方法(2018)
  17. Szczepaniak,P.S。;Duraj,A.:基于案例的推理:相似解的搜索和离群值的识别(2018)
  18. 安圭利,法布里齐奥;法比奥,法比奥;曼科,朱塞佩;帕洛波利,路易吉:用数值属性进行边远属性检测(2017)
  19. 巴德,让马克;Dimby,Solohaja Faniaha:具有无界支持的分布的新的单变量离群值的非参数检测器(2017)
  20. 戈伊克斯,尼古拉斯;安妮,萨布林;Clémençon,Stephan:多元极值的稀疏表示及其在异常检测中的应用(2017)