عنوان مقاله:

مدل ارزیابی کیفیت بهداشت و درمان براساس الگوریتم تشخیص داده های پرت

A Healthcare Quality Assessment Model Based on Outlier Detection Algorithm

سال انتشار: 2022

رشته: مهندسی کامپیوتر

گرایش: مهندسی الگوریتم ها و محاسبات - رایانش ابری

دانلود رایگان این مقاله:

دانلود مقاله کیفیت بهداشت و درمان

مشاهده سایر مقالات جدید:

 

مقالات ISI مهندسی کامپیوتر

 

مقالات ISI مهندسی الگوریتم ها و محاسبات

5. Outlier Detection Algorithm Based on k-Nearest Neighbors (KNN)

This kind of algorithm is a classic outlier detection algorithm, which has also attracted much attention in the field of outlier detection in recent years. Whether it is an outlier is mainly evaluated by comparing it to the outlier degree of nearby neighbors.

Definition 3 (Distance-based outliers). According to Knorr et al. [11], the definition of outliers is that if the distance between at least p part of the objects in the data point set T and the object O is greater than MinD, then the object O is called an outlier of DB(p, MinD).

The idea of the outlier detection algorithm based on KNN is defined as the outlier degree of the data p to be detected. It is the distance from the point p to its kth nearest neighbor, which is denoted here as Dk (p), where D is the dataset. First calculate the value Dk (p) of each point in the dataset D. Then, do a quick-sort and select the top n points as the set of outliers. The algorithm itself does not need to set the parameter values of p and MinD, so the artificial influence is relatively small.

(دقت کنید که این بخش از متن، با استفاده از گوگل ترنسلیت ترجمه شده و توسط مترجمین سایت ای ترجمه، ترجمه نشده است و صرفا جهت آشنایی شما با متن میباشد.)

5. الگوریتم تشخیص دورافتاده بر اساس k-نزدیکترین همسایه (KNN)

این نوع الگوریتم یک الگوریتم کلاسیک تشخیص نقاط پرت است که در سال های اخیر توجه زیادی را در زمینه تشخیص نقاط پرت به خود جلب کرده است. پرت بودن آن عمدتاً با مقایسه آن با درجه پرت همسایگان نزدیک ارزیابی می شود.

تعریف 3 (بر اساس فاصله). به گفته Knorr و همکاران. [11]، تعریف نقاط پرت این است که اگر فاصله بین حداقل p قسمت از اشیاء در مجموعه نقطه داده T و شی O بزرگتر از MinD باشد، آنگاه جسم O را نقطه پرت DB(p, MinD) می نامند. ).