现有轨迹异常检测与清理工具的实验研究
数据库
2025-11-26 v1
摘要
异常检测与清理是确保数据分析完整性与有效性的数据预处理关键步骤。本文聚焦于单个轨迹内部的异常点，即偏离单个轨迹中其他点的显著点的点。我们对十个开源库进行实验，以全面评估可用工具在识别和清除异常方面的效率与准确性。该实验以用户可用的形式考察这些库，具有现实可应用性。我们比较现有异常检测库，提出建立基准真值的 метод，并旨在引导用户选择最合适的工具以满足其特定的异常检测需求。此外，我们调查了异常检测的前沿算法并将其分为五类：基于统计的方法、滑动窗口算法、基于聚类的算法、基于图的方法和基于启发式的方法。我们的研究为这些库的性能提供了见解，并为开发数据预处理和异常检测方法论作出了贡献。
引用
@article{arxiv.2511.20139,
title = {An experimental study of existing tools for outlier detection and cleaning in trajectories},
author = {Mariana M Garcez Duarte and Mahmoud Sakr},
journal= {arXiv preprint arXiv:2511.20139},
year = {2025}
}