离群值检测 离群值

基于角度的离群值检测 在R中基于角度的离群因子的实现。有三种方法可用，一种是使用所有具有三次复杂度的数据的完整但缓慢的实现，一种是完全高效的完全随机化的方法，另一种是使用k最近邻方法。 这些算法特别适合于高维数据离群值检测。 安装 该软件包可在CRAN上获得： install.packages( " abodOutlier " ) library( abodOutlier ) 用法 abod( faithful , method = " randomized " , n_sample_size = 30 ) abod( faithful , method = " knn " , k = 20 ) 麻省理工学院许可。

outier analysis 2nd 中文完整版。针对高维数据和空间数据中的离群检测，本书提供了许多的算法

通过基于L1范数的2D概率PCA进行图像离群值检测和特征提取

针对电力系统状态估计的虚假数据注入攻击（FIDA）是传统方法无法有效解决的问题。 本文使用IEEE14仿真平台中机器学习领域的四种离群点检测方法，即一类SVM，鲁棒协方差，隔离林和局部离群因子方法进行测试和比较。 通过仿真估计准确性和准确性，以观察分类效果。

GMM-KMeans异常检测 对于一维时间序列数据，使用GMM和K-means算法检测离群值。对一维时间序列数据，采用GMM和K-Means算法进行异常点检测。