基于KNN图的空间离群点挖掘算法  

Spatial Outlier Mining Algorithm Based on KNN Graph

作　　者：张忠平[1] 徐晓云[1] 王培[1] 

机构地区：[1]燕山大学信息科学与工程学院,河北秦皇岛066004

出　　处：《计算机工程》2011年第4期37-39,共3页Computer Engineering

基　　金：国家自然科学基金资助项目(60773100);河北省教育厅科研计划基金资助项目(2006143)

摘　　要：空间数据集中离群数据与正常数据之间的非空间属性值相差较大。针对该情况,提出一种基于K-最邻近(KNN)图的空间离群点挖掘算法。该算法通过所有对象的K近邻关系构造KNN图,将相邻对象非空间属性值的差作为2个对象点间的边权值,利用裁边策略去掉权值较高的边,从而识别出空间离群点和离群区域。实验结果表明,该算法的时间性能优于POD算法。Aiming at the problem that the non-spatial attribute differences between outlier and normal data are very large, this paper propose a spatial outlier mining algorithm based on K-Nearest Neighbor（KNN） graph. It constructs a KNN graph based on K neighbor relationship in spatial domain, assigns the non-spatial attribute differences as edge weights, and cuts high-weight edges to identify spatial outliers and outlier region. Experimental result shows that time performance of this algorithm is superior to POD algorithm.

关 键 词：空间离群点 K-最邻近图 非空间属性值 

分 类 号：TP393[自动化与计算机技术—计算机应用技术]