论文部分内容阅读
大量的高维数据在分布上表现为一低维流形，试图从这样的数据集中探测出奇异点，传统的奇异点挖掘算法可能失效。本文提出了一种带权重的多维尺度变化，算法通过局部的高维数据集和其低维重构的误差来设定数据点；露的局部权重，再利用权重之和得到的数据点置信度，以此来进行奇异值的判定。通过实验验证了算法的有效性。