《表1 模拟数据集两种算法的性能比较》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于聚类离群因子和相互密度的离群点检测算法》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

图5和图6分别为本文COF算法和DPC算法在Flame数据集上的实验结果，由图可以看到本文算法能很好地发现聚类的形状，从而验证了本文COF算法参数获取的有效性和正确性。图5和图6中，算法检测到的离群点已经被标注为星号。从表1可以看出，本文算法的Pr和FoC远远高于DPC算法，这是因为两个聚类的交界处数据很密集，DPC算法检测到的边界密度较大，算法将很多点当做离群点进行处理，从而导致准确度过低。本文的算法不考虑边界密度，从聚类的数据点个数入手，可以准确地检测到离群点。本文算法最大的优势是不需要任何输入参数。