动态数据环境下基于信息熵的相对离群点检测算法

计算机应用 ›› 2010, Vol. 30 ›› Issue (05): 1284-1286.

动态数据环境下基于信息熵的相对离群点检测算法

孙浩¹,何晓红²

1. 重庆邮电大学
2. 重庆邮电大学生物信息学院

收稿日期:2009-12-08 修回日期:2010-01-11 发布日期:2010-05-04 出版日期:2010-05-01
通讯作者: 孙浩
基金资助:
重庆邮电大学自然科学基金资助项目

Entropy-based algorithm to detect relative outliers in dynamic environment

Received:2009-12-08 Revised:2010-01-11 Online:2010-05-04 Published:2010-05-01

摘要/Abstract

摘要： 在基于信息熵的离群点检测算法的基础上，提出一种适用于动态数据环境的检测算法。该算法在有数据对象插入或删除的时候，不必计算所有数据对象的相对离群点因子(ROF)值，而只需重新计算受影响的点的ROF值。实验结果表明，该算法在动态数据环境下的运行时间小于原来的算法。

关键词: 动态数据环境, 信息熵, 离群点检测, 局部离群因子

Abstract: An algorithm for detecting relative outliers in dynamic environment based on information entropy was proposed. When an object was inserted into or deleted from the dataset, the algorithm made it unnecessary to compute the values of Relative Outlier Factor (ROF) for all objects in dataset, only need to compute for affected objects. The experimental results indicate that the running time of this algorithm is less than that of the original algorithm in dynamic environment.

Key words: dynamic environment, entropy, outlier detection, Local Outlier Factor (LOF)

孙浩何晓红. 动态数据环境下基于信息熵的相对离群点检测算法[J]. 计算机应用, 2010, 30(05): 1284-1286.

[1]	王治和, 常筱卿, 杜辉. 基于万有引力的自适应近邻传播聚类算法[J]. 计算机应用, 2021, 41(5): 1337-1342.
[2]	宁进, 陈雷霆, 罗子娟, 周川, 曾慧茹. 离群点检测算法的评价指标[J]. 计算机应用, 2020, 40(9): 2622-2627.
[3]	袁园, 吴文, 万毅. 基于熵驱动域适应学习的单幅图像阴影检测方法[J]. 计算机应用, 2020, 40(7): 2131-2136.
[4]	孙建军, 徐岩. 基于加权改进模糊C均值聚类的欠定混合矩阵估计[J]. 计算机应用, 2020, 40(6): 1769-1773.
[5]	张伍, 陈红梅. 基于多核模糊粗糙集与蝗虫优化算法的高光谱波段选择[J]. 计算机应用, 2020, 40(5): 1425-1430.
[6]	陈程军, 毛莺池, 王绎超. 基于激活-熵的分层迭代剪枝策略的CNN模型压缩[J]. 计算机应用, 2020, 40(5): 1260-1265.
[7]	杜旭升, 于炯, 叶乐乐, 陈嘉颖. 基于图上随机游走的离群点检测算法[J]. 计算机应用, 2020, 40(5): 1322-1328.
[8]	童玉珍, 王应明. 基于后悔理论及EDAS法的概率语言多属性群决策方法[J]. 计算机应用, 2020, 40(11): 3152-3158.
[9]	张伍, 陈红梅. 基于核模糊粗糙集的高光谱波段选择算法[J]. 计算机应用, 2020, 40(1): 258-263.
[10]	丁莲静, 刘光帅, 李旭瑞, 陈晓文. 加权信息熵与增强局部二值模式结合的人脸识别[J]. 计算机应用, 2019, 39(8): 2210-2216.
[11]	宁进, 陈雷霆, 周川, 张磊. 模型聚合解聚的智能触发机制[J]. 计算机应用, 2019, 39(6): 1614-1618.
[12]	毛莺池, 曹海, 平萍, 李晓芳. 基于最大联合条件互信息的特征选择[J]. 计算机应用, 2019, 39(3): 734-741.
[13]	袁钟, 冯山. 基于邻域值差异度量的离群点检测算法[J]. 计算机应用, 2018, 38(7): 1905-1909.
[14]	严宏, 杨波, 杨红雨. 基于异方差高斯过程的时间序列数据离群点检测[J]. 计算机应用, 2018, 38(5): 1346-1352.
[15]	冯立伟, 张成, 李元, 谢彦红. 基于统计模量和局部近邻标准化的局部离群因子故障检测方法[J]. 计算机应用, 2018, 38(4): 965-970.