為了使孤立點(diǎn)檢測(cè)更為自動(dòng)化，減少用戶對(duì)參數(shù)選擇的困難，提出了平均密度的定義，并給出基于平均密度的孤立點(diǎn)檢測(cè)方法。該方法提出了孤立點(diǎn)對(duì)象的密度要小于數(shù)據(jù)集的平均密度；非孤立點(diǎn)對(duì)象的密度不應(yīng)因?yàn)榉忾]區(qū)間的收縮而減少。采用企鵝圖像邊緣檢測(cè)對(duì)該方法進(jìn)行驗(yàn)證，實(shí)驗(yàn)結(jié)果表明，該方法能夠有效地檢測(cè)出圖像邊緣孤立點(diǎn)，同時(shí)簡(jiǎn)化了孤立點(diǎn)檢測(cè)時(shí)對(duì)用戶輸入?yún)?shù)的要求。
關(guān) 鍵 詞 平均密度; 平均距離; 對(duì)象密度; 孤立點(diǎn)檢測(cè)

In order to make the outlier detection more automatic and decrease the users’ difficulty for the selection of parameters, an outlier detection method with a new definition of average density is proposed. In this method, the outlier’s density is considered smaller than the average density of data set and the none-outlier’s density shouldn’t decrease with its closed interval compression. An experiment is used to identify the outline of the animal’s body. The experimental results show that the method identifies the face’s outline effectively.
Key words average density; average distance; object density; outlier detection

孤立點(diǎn)檢測(cè)是數(shù)據(jù)挖掘的一個(gè)重要方面[1]，近年來(lái)受到越來(lái)越多的重視。其任務(wù)是用來(lái)發(fā)現(xiàn)數(shù)據(jù)集中小的模式，即數(shù)據(jù)集中明顯不同于其他數(shù)據(jù)的對(duì)象。當(dāng)前研究的熱點(diǎn)主要是關(guān)注孤立點(diǎn)的應(yīng)用驅(qū)動(dòng)，如信用卡欺騙、入侵檢測(cè)、氣象預(yù)報(bào)、公共衛(wèi)生、醫(yī)療等。
文獻(xiàn)[2]給出了孤立點(diǎn)的本質(zhì)性定義：孤立點(diǎn)是一個(gè)觀測(cè)值，它與其他的點(diǎn)是如此的不同，以至于懷疑它是產(chǎn)生于完全不同的機(jī)制。后來(lái)研究者們根據(jù)對(duì)異常存在的不同假設(shè)，發(fā)展了很多孤立點(diǎn)檢測(cè)算法，大體上可分為基于統(tǒng)計(jì)的、基于距離的、基于密度的、基于聚類的等。但這些算法在自動(dòng)化上都存在不足，即都要求用戶輸入必要的參數(shù)，算法對(duì)參數(shù)的依賴性較強(qiáng)。而參數(shù)的選擇通常比較困難，要求用戶具備豐富的經(jīng)驗(yàn)，并且需要多次反復(fù)才能達(dá)到效果，對(duì)用戶的使用提出了較高的要求。在分析傳統(tǒng)算法的基礎(chǔ)上，本文提出了平均密度的定義，在平均密度概念下的孤立點(diǎn)，其含義更加接近文獻(xiàn)[2]的孤立點(diǎn)本質(zhì)性定義，更符合人們對(duì)孤立點(diǎn)的認(rèn)識(shí)；在通常的孤立點(diǎn)檢測(cè)時(shí)，不依賴于用戶對(duì)閾值設(shè)置的要求，使算法更加自動(dòng)化。