《表2 算法执行效率对比1》

  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

《一种基于邻域系统密度差异度量的离群点检测算法》

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

将表1所用数据集修改为规模大小不同的五种数据集，测试各算法在不同规模的数据集中的执行效率，修改后的各数据集中离群点占比仍为3%。表2中截取距离R、近邻参数k均为各算法在对应规模数据集中达到最高检测准确率时的参数取值。通过对比三种算法在相应数据集检测达到最佳准确率时的运行时间，可更加公平地评价各算法的执行效率。由表2可知，随着数据集规模的增加，四种算法的运行时间都有所增加，NSD算法的平均运行时间为166.6 s，LDOF算法的平均运行时间为200 s，LOF算法的平均运行时间为232.4 s，CBOF算法的平均运行时间为207.4 s。相对于LOF、LODF、CBOF算法，NSD算法计算数据对象离群值时，对在截取距离R范围内没有邻居的对象不需要复杂的离群值计算过程，节省了计算开销，降低了执行时间。