Quick Spatial Outliers Detecting with Random Sampling
Quick Spatial Outliers Detecting with Random Sampling
复制标题
通过随机采样快速检测空间异常值
DOI：
10.1007/11424918_32
复制
发表时间：
2005-05
期刊：
影响因子：
--
通讯作者：
秦小麟
中科院分区：
文献类型：
--
作者：
黄添强;秦小麟
现有的基于密度的离群点检测方法必须计算每个目标的邻域，计算时间相当长。基于网格的方法可以高效地检测聚类或异常点，但也存在不足。提出了一种基于随机抽样的空间异常点检测方法。该方法吸收了基于网格的方法的思想，扩展了基于密度的方法，可以快速去除聚类点，进而识别出离群点。该方法比基于邻域查询的方法更快，具有更高的精度。实验结果表明，该方法优于现有的基于邻域查询的方法。
Existing Density-based outlier detecting approaches must calculate neighborhood of every object, which operation is quite time-consuming. The grid-based approaches can detect clusters or outliers with high efficiency, but the approaches have their deficiencies. We proposed new spatial outliers detecting approach with random sampling. This method adsorbs the thought of grid-based approach and extends density-based approach to quickly remove clustering points, and then identify outliers. It is quicker than the approaches based on neighborhood queries and has higher precision. The experimental results show that our approach outperforms existing methods based on neighborhood query.
登录
查看更多内容
影响因子：
4.8
作者：
Sander, J;Ester, M;Xu, XW
通讯作者：
Xu, XW
DOI：
--
发表时间：
1998-08
期刊：
--
影响因子：
--
作者：
Edwin M. Knorr;R. Ng
通讯作者：
Edwin M. Knorr;R. Ng
DOI：
10.2307/2530985
发表时间：
1980-07
期刊：
--
影响因子：
--
作者：
V. Barnett;T. Lewis
通讯作者：
V. Barnett;T. Lewis
DOI：
10.1109/icdm.2003.1250986
发表时间：
2003-11
期刊：
Third IEEE International Conference on Data Mining
影响因子：
--
作者：
Chang-Tien Lu;Dechang Chen;Yufeng Kou
通讯作者：
Chang-Tien Lu;Dechang Chen;Yufeng Kou
DOI：
10.1016/s0167-8655(03)00165-x
发表时间：
2003-12
期刊：
Pattern Recognit. Lett.
影响因子：
--
作者：
Tianming Hu;S. Sung
通讯作者：
Tianming Hu;S. Sung