روش تشخیص داده های نامتعارف با استفاده از انتگرال همبستگی موضعی و امکان تعمیم آن به مجموعه داده های فازی

عدم شناسایی داده های نامتعارف در مجموعه داده ها، در اغلب موارد باعث بروز نتایج نادرست و غیر منطقی می شود؛ لذا تشخیص درست این نوع داده ها بسیار اهمیت دارد. روش انتگرال همبستگی موضعی (loci) یکی از روش های کارآی مبتنی بر تراکم برای تشخیص داده های نامتعارف در مجموعه داده های قطعی است. در این روش داده ای نامتعارف است که تراکم آن نسبت به تراکم همسایگان خود به میزان قابل توجهی کمتر باشد. روش بر روی داده های واقعی مربوط به سرطان برای تشخیص تومور های بدخیم پیاده سازی شده است. هم چنین با استفاده از مفاهیم فازی، با معرفی یک متریک جدید برای اندازه گیری فاصله میان دو داده فازی مثلثی در ابعاد بالا (که هر بعد آن یک عدد فازی مثلثی است) ، ضمن تعمیم روش فوق به منظور تشخیص داده های نامتعارف فازی با ابعاد بالا، کارآیی روش جدید نیز مورد بررسی قرار داده شده است. هم چنین با انجام آزمایش های عددی، نتایج حاصل از پیاده سازی روش بر روی مجموعه داده های فازی مورد تحقیق و بررسی قرار گرفته است.