一种改进的 LOF 异常点检测算法

来源：计算机技术与发展杂志2017年第12期北京时间：

作者：周鹏;程艳云

摘要：LOF 异常点检测算法在实际应用中有两个缺陷:一是离群因子值只与参数 K 有关,当 K 取值不同时,离群因子的值将不同,之前是异常点的数据可能不再是异常点。 二是对于未知异常点个数的数据集,选择参数 K 以保证离群点的挖掘数量合理难以做到。 因此,提出一种结合平均密度的改进 LOF 异常点检测算法。 首先分析数据集中数据点的平均密度,根据密度的分布情况确定数据集的异常点个数 M 1 及异常集 D 1 ,然后通过计算离群因子确定 M 2 ( M 2 = M 1 )个异常点及异常集 D 2 。 取 D 1 与 D 2 的交集作为最终的离群集。 实验结果表明,改进算法在检测精准性方面有显著提高,误报率较低,综合评价指标 F 值比 LOF 算法有显著增强。

关键词：LOF 算法;平均密度;异常点集;离群因子