[发明专利]基于改进的快速密度峰值聚类和LOF离群点检测算法在审
| 申请号： | 201810949773.2 | 申请日： | 2018-08-20 |
| 公开（公告）号： | CN109102028A | 公开（公告）日： | 2018-12-28 |
| 发明（设计）人： | 黄波;黄爽 | 申请（专利权）人： | 南京邮电大学 |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62 |
| 代理公司： | 南京正联知识产权代理有限公司 32243 | 代理人： | 王素琴 |
| 地址： | 210003 *** | 国省代码： | 江苏;32 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明提出基于改进的快速密度峰值聚类和LOF离群点检测算法，将快速密度峰值聚类算法和基于密度的LOF离群点检测算法进行结合，利用快速密度峰值聚类算法的计算简单性，快速求得样本数据集的聚类中心和可能的离群点集合，同时将样本数据集进行剪枝处理，从而弥补了LOF离群点检测算法求解离群点时，算法时间复杂度较高的不足；同时对快速密度峰值聚类算法求得的离群点进行再次验证，从而提高整个算法的准确性。 | ||
| 搜索关键词： | 算法 离群点检测 聚类算法 样本数据 聚类 算法时间复杂度 聚类中心 剪枝 求解 改进 集合 验证 | ||
【主权项】：
1.基于改进的快速密度峰值聚类和LOF离群点检测算法，其特征在于，所述改进算法包括快速密度峰值聚类算法和基于密度的LOF离群点检测算法两部分，其中：所述的快速密度峰值聚类算法，求得样本数据中每个点的局部密度和距离，分别以这两个参数为横坐标轴和纵坐标轴绘制平面决策图，决策图中同时具有较大密度和较大距离值的点被认为是样本数据点的聚类中心，并将样本数据划分为几个聚类簇，而同时具有局部密度较小、距离较大的点被初步识别为样本数据点中的离群点，并获得可能的离群点集合；所述的基于密度的LOF离群点检测算法，对快速密度峰值聚类算法中获得的离群点集中的每个离群点，计算其局部离群因子LOF,并将每个离群点的局部离群点因子值进行降序排列，离群因子LOF的值越大于1，则越可能为离群点。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于南京邮电大学，未经南京邮电大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201810949773.2/，转载请声明来源钻瓜专利网。
