《表1 数据集信息描述：基于方形邻域和裁剪因子的离群点检测方法》
提示：宽带有限、当前游客访问压缩模式
为了检验算法的性能，将本文算法与LOF算法、ELSC算法进行比较.其中实验选取了聚类基准数据集中的两个数据集并向其添加一定量的离群点（如表1）和随机生成服从正态分布的数据集，所有算法均在Matlab R2016a中实现，操作系统为
| 图表编号 | XD0045016300 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2019.01.01 |
| 作者 | 涂晓敏、石鸿雁 |
| 绘制单位 | 沈阳工业大学、沈阳工业大学 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表1 实验数据集参数：基于人工智能技术的局部离群数据挖掘方法》2021.03.01
- 《表2 实验数据集信息：基于多维度特征和MLP的岩体点云植被滤波方法》2020.05.15
- 《表1 测试数据集信息：一种面向枢纽现象的离群数据检测算法》2020.05.01
- 《表1 TE过程故障描述：基于时空近邻标准化和局部离群因子的复杂过程故障检测》2020.03.01
- 《表3 算法准确率对比2：一种基于邻域系统密度差异度量的离群点检测算法》2020.07.05
- 《表1 算法准确率对比1：一种基于邻域系统密度差异度量的离群点检测算法》2020.07.05
- 《表2 数据集情况：基于主动学习的离群点集成挖掘方法研究》2020.06.15
- 《表1 数据集详细情况：一种改进的高维度离群点检测方法》2020.02.10
- 《表1 UCI数据集：一种基于邻域容差信息熵的组合度量方法》2020.01.01
- 《表1 UCI数据集描述：基于冗余度的KNN训练样本裁剪新算法》2019.11.15
- 《表3 块内的不确定数据：FODU:不确定数据集中快速离群点检测方法》2019.10.01
- 《表4 参数设置：FODU:不确定数据集中快速离群点检测方法》2019.10.01
- 《表1 符号列表：FODU:不确定数据集中快速离群点检测方法》2019.10.01
- 《表2 UCI数据集描述：面向不完备邻域系统的三支决策粒计算方法》2019.09.15
- 《表2 数据集描述：基于极大相容块的邻域粗糙集模型》2019.07.30
- 《表3 异常数据信息：基于密度的离群点检测技术在中厚板轧后冷却中的研究》2019.05.01
- 《表1 UCI数据集：基于离群点检测的分类结果置信度的度量方法》2019.01.30
- 《表2 数据集描述：基于邻域粗糙集下知识划分的信息表降维》2019.01.01
- 《表1 数据集描述：自适应的邻域粗糙集邻域大小取值方法》2019.01.01
- 《表1 数据集基本信息：基于kd-树的快速邻域分类方法》2018.12.01