幽门 Python局部异常因子算法的Python实现。 例子 例子1 以下示例说明了基于instances变量计算几个实例（例如[0,0],[5,5],[10,10] and [-8,-8] ）的LOF值的简单用例。传递给LOF构造函数。 instances = [ (-4.8447532242074978, -5.6869538132901658), (1.7265577109364076, -2.5446963280374302), (-1.9885982441038819, 1.705719643962865), (-1.999050026772494, -4.0367551415711844), (-2.0550860126898964, -3.6247409893236426), (-1.4456945632547327, -3.7669258809535102

用C++实现机器学习的LOF算法进行离群点检测。类中lof.LOFclassification(feadata,5,0.90,labels);第一个参数为特征矩阵，第二个参数是lof中点的个数，第三个参数为正常点的比例，第四个参数为输出的分类结果。

在matlab里，使用k临近距离判断点云是否为离群点，予以去除。

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

LOF离群点算法，可用，有备注。

可直接输出离群点编号信息，使用一维数据~

已开发出NOFI分级算法，将低优先级分配给受干扰影响的碎片离子。 该实现是可以自定义的R脚本。 将来的版本将包含模块化版本。 概述如下：1）输入包含通过软件工具（例如Skyline和OpenSWATH）从已鉴定和定量的肽中得到的SWATH碎片离子XIC的列表。 2）NOFI的第一步是计算用于将每个碎片离子表示为矢量的4个属性（RTd，FWHMd，IRd和IRrep）。 3）使用多元离群值检测技术对来自每个肽段的所有碎片离子进行排名。 4）生成了多个图形（pdf文件），以可视化Top-N碎片离子对不同指示剂的影响。 5）用户可以选择每个肽段的最高片段离子数，从而利用高优先级Top-N NOFI的最佳子集进行定量，同时排除受损的片段离子。

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。

数据挖掘中离群点检测最权威数据集，收集自国外大学网站，最权威，最完整，无论是做聚类、离群点检测、分类，皆可使用。共包括大约30个数据集。