MATLAB中的K近邻离群点检测代码-KMOF：一种新型基于子结构的局部异常检测方法

简介：
本文介绍了一种名为KMOF的新算法，它是一种基于子结构的局部异常检测方法，并提供了在MATLAB中实现该算法以进行K近邻离群点检测的代码。 摘要：已经提出了许多局部异常值检测技术来识别有意义的局部异常值，这些研究通常使用k-最近邻（kNN）方法量化局部邻域并设计异常值评分函数。然而，传统的kNN邻域不能准确表达呈现非球面分布的数据集中的局部特征。此外，常规的评分函数基于一个假设：观察到的所有参考邻居都是正常的，这往往导致低检测性能。另外，基于kNN的方法通常对参数k很敏感。 为了克服这些问题，本段落提出了一种新的局部异常值检测算法，该算法重新定义了局部邻域和离群点评分函数，并分别命名为k个节点的最小旋转树（k-MST）和基于k-MST的离群点因子（kMOF）。这种方法对数据没有特殊要求且不依赖于参数k。与传统评分函数不同的是，新方法不是针对每个单独的数据点进行异常值评估，而是根据子结构来进行评价。 实验结果表明，在合成及真实数据集上应用该算法能够有效、稳健地检测出异常值和异常值组，并显示出提高效率的潜力。