[发明专利]一种基于噪声阈值距离度量的离群点检测方法

权利要求书

1.一种基于噪声阈值距离度量的离群点检测方法，其特征在于，通过计算医学数据的最小生成树结构，进行聚类，从而实现检测出医学数据中的异常数据，具体方法为：首先设置一个迷你MST的数据结构，先用prim算法计算出一个精确的最小生成树，然后对最小生成树中的边的权重，即边的起点和终点之间的欧式距离，按照从小到大的顺序进行排序存放到边数组sorted_mst中，计算出所有边的权重的平均值和标准方差，将两者之和作为噪声阈值noise_th；由于最短边是密度最大的簇中的边，选择最短边的起点P作为迷你MST计算的起点加入迷你MST中，从P开始计算没有加入树中的点到树中点的距离，除以噪声阈值noise_th作为边的权重；

根据计算出的边的权重，选择最短的边和对应的端点加入到迷你MST中，每次加完一个点及对应的边后，计算已经加入MST中的边的平均值和标准方差之和，作为判断一个簇是否形成的阈值，若新加入的边的权重不满足阈值条件，则说明将要加入的点属于当前簇，将该边加入当前的MST中，继续当前簇的计算；若满足阈值条件，则说明形成一个簇，退出当前簇的计算，再从sorted_mst中下一条边开始新的簇的计算，先判断该边的权重是否大于噪声阈值，若大于，则说明剩下的点为噪声或离群点，退出循环，完成数据集的分类；若不大于，则说明是正常的簇，循环从sorted_mst中选下一条边计算新的簇，直到满足退出循环的条件结束计算。

2.根据权利要求1所述的一种基于噪声阈值距离度量的离群点检测方法，其特征在于，具体包括以下步骤：

步骤1：用Prim算法计算一个精确的最小生成树，记为emst，最小生成树中的每一条边，用一个三元组表示，包含边的起点、终点和权值；

步骤2：对emst中的所有边按照从小到大的顺序进行排序，存入数组sorted_mst；

步骤3：计算emst中所有边的权重的平均值和标准方差，将两者之和作为噪声阈值noise_th；

步骤4：初始化两个数组node_unfinished和node_finished；node_unfinished表示原始的医学数据集中没有加入树中的点，node_finished表示医学数据集中已经加入树中的点；

步骤5：初始化一个迷你MST，选择步骤2中的sorted_mst的最短边的起点P作为起始点加入迷你MST中，同时将P加入node_finished中；

步骤6：计算没有加入树中的点到树中点的距离，除以步骤3中的噪声阈值noise_th作为边的权重，将树中的点，不在树中的点，和对应的边的权重作为一条边的三元组，得到若干个这样的三元组后，组成一个边的数组edge_array；

步骤7：选择edge_array中权重最小的边，将该边记为to_add＝[start,end,weight],其中，start表示边的起点，end表示终点，weight表示权重；

步骤8：判断to_add的权重是否大于步骤4中迷你MST中所有边的权重的平均值；若是，执行步骤11，否则执行步骤9；

步骤9：将to_add加入到迷你MST中，判断to_add的起点和终点是否在node_unfinished数组中，如果在node_unfinished中，则将其移到node_finished中，如果不在，说明之前已经加入node_finished中，则不进行任何操作；

步骤10：判断node_unfinished是否还有元素，若是，重复步骤6-步骤9，否则，转到步骤12；

步骤11：选择步骤2中sorted_mst中下一条边，判断端点是否已经加入树中，若是，则继续检查下一条边，若没有，判断该边的权值是否大于步骤3计算的噪声阈值，若大于，则将node_unfinished中剩下的点标记为离群点，否则的话，从该边开始，重复步骤5-步骤10；

步骤12：判断步骤9得到的迷你MST中的点数是否大于簇最少点数，若是，将该簇标记为正常簇，否则，将簇中所有点标记为离群点。