利用主成分异常检测算法识别噁唑啉和噁唑高维分子描述符数据集中的异常值及其他鲁棒估计量的比较数值研究
计算工程、金融与科学
2013-12-13 v1
摘要
在过去十年中，异常值检测已得到应用。异常值检测是一个新兴课题，在医学科学和制药科学中具有鲁棒的应用。异常值检测用于检测数据的异常行为。生物信息学中的典型问题可以通过异常值检测来解决。本文展示了一种计算快速的异常值检测方法，该方法在高维情况下特别有效。PrCmpOut 算法利用主成分的简单性质来检测变换空间中的异常值，从而为高维数据带来显著的计算优势。该过程所需的计算时间 considerably 少于现有的异常值检测方法。通过模拟研究，分析了该估计量的性质（异常值错误率 (FN)、非异常值错误率 (FP) 和计算成本），并与文献中描述的其他鲁棒估计量进行了比较。基于噁唑啉和噁唑分子描述符数据集的数值证据表明，所提出的方法在各种具有实际意义的情况下表现良好。因此，它是现有异常值检测方法的有价值补充。
引用
@article{arxiv.1312.2861,
title = {Identification Of Outliers In Oxazolines AND Oxazoles High Dimension Molecular Descriptor Dataset Using Principal Component Outlier Detection Algorithm And Comparative Numerical Study Of Other Robust Estimators},
author = {Doreswamy and Chanabasayya . M. Vastrad},
journal= {arXiv preprint arXiv:1312.2861},
year = {2013}
}