10.3969/j.issn.2095-2783.2013.07.016
基于组合局部孤立点的噪声处理算法
LOF(Local Outlier Factor)算法是基于密度的典型孤立点识别算法,在实践中被广泛用于检测属性噪声.然而,LOF算法没有综合考虑类与类、类与整体之间的信息,因而对类别噪声识别欠佳.CLOF(Combined Local Outlier Factors)是在LOF算法的基础上提出一种基于组合局部孤立系数的类别噪声处理算法.算法通过lofa、lof1、lof0三个局部孤立系数值,首先在整体数据集上剔除属性噪声,其次综合利用整体和局部信息,通过3个lof值之间的关系来识别类别噪声,并更正其类标签.在仿真数据集和UCI数据集上的实验结果表明,CLOF算法能够同时有效识别类别噪声和属性噪声,提高分类器的分类精度,对具有类重叠的复杂数据处理效果尤佳.
模式识别、类别噪声、属性噪声、局部孤立系数、异常点检测
8
TP181(自动化基础理论)
高等学校博士学科点专项科研基金资助项目20091102120014
2013-09-26（万方平台首次上网日期，不代表论文的发表时间）
共7页
672-678
