RODIAN：鲁棒化中位数

我们提出一种对受大量离群值污染的数值进行平均的鲁棒方法。我们的方法称为RODIAN，其灵感来自MINPRAN[1]的核心思想：假设离群值在数据范围内均匀分布，并搜索最不可能仅含离群值的区域。将该区域内数据的中位数作为RODIAN。我们的方法能准确估计含逾50%离群值数据的真实均值，且运行时间为 $O(n\log n)$。与其他鲁棒技术不同，它完全确定，且不依赖已知内点误差界。我们广泛的评估表明，RODIAN比中位数与最小平方中位数法鲁棒得多。该结果在非均匀离群值分布下同样成立。