作者：钱景辉; 梁栋机器学习局部离群点多标记类别权重
摘要：基于密度的局部离群点检测算法（LOF）不适用于解决高维度、多义性的数据集检测.通过对LOF算法的分析,提出了一种基于多标记学习（Multi-Label Learning,MLL）的局部离群点检测算法MLL-LOF（a local outlier factor based on multi-label learning）.该算法采用MLL框架,首先将真实对象数据拆分成多示例包形式,然后运用退化策略及相应的权重调整,计算最终离群点因子,判别离群点.并运用实际企业的监控数据将MLL-LOF算法与其他经典的局部离群点检测算法进行了对比实验,结果表明提出的MLL-LOF算法检测的精准率、召回率、F1值以及时间效率均优于传统的局部离群点检测算法.
注：因版权方要求，不能公开全文，如需全文，请咨询杂志社
