基于相对偏度密度比离群因子的离群点检测算法
来源：计算机集成制造系统杂志2026年第4期北京时间：
作者：张忠平, 王阔, 董金宇, 李森
单位：1.燕山大学信息科学与工程学院2.河北省计算机虚拟技术与系统集成重点实验室
摘要：离群点检测是数据挖掘中的一个重要研究问题,旨在发现与其他数据分布显著不同的数据对象。针对现有最近邻离群点检测方法在处理低密度和局部密度变化敏感数据时的准确性和鲁棒性表现不佳,以及对参数设置的过度依赖的问题,提出了一种基于相对偏度密度比离群因子的离群点检测算法。该算法根据自然邻居搜索算法自适应找到邻居个数k值和邻域,有效克服了参数设置的难题。结合偏度和相对距离定义相对偏度的概念来刻画数据对象偏离邻居的程度,同时引入局部密度比来刻画局部密度变化,进而提出一种新的离群值度量指标——相对偏度密度比离群因子,该方法将相对偏度和局部密度比的比值作为离群因子,通过计算每个数据对象与其邻居之间相对偏度密度比离群因子的偏差来进一步刻画数据对象的离群程度。在人工数据集和真实数据集上对所提算法进行实验验证,并与近几年较为新颖的离群点检测算法进行对比,验证了所提算法的有效性。
关键词：数据挖掘,离群点,偏度,k最近邻,离群因子
基金资助：国家自然科学基金资助项目(61972334,62576302);河北省创新能力提升计划基金资助项目(22567626H);秦皇岛市妇幼保健医院全生命周期管理系统基金资助项目(x2024465)。
