아웃라이어란 하나의 데이터 셋 내의 다른 객체들과 비교하여 상대적으로 유사하지 않거나, 일관되지 않는 특징을 갖는 객체를 의미한다. 본 논문에서는 먼저 한 객체의 특성뿐만 아니라 주변 객체의 특성, 더 나아가 데이터 셋 내의 전체 객체의 특성을 반영할 수 있는 새로운 아웃라이어 척도인 중심도와 중심 근접도를 제안한다. 더 나아가, 새로운 척도를 이용하여 기존의 아웃라이어 검출 방법들이 가지고 있는 local density 문제, 마이크로 클러스터 검출 문제, 외곽 객체 구분 문제 등을 모두 해결하는 새로운 그래프 기반 아웃라이어 검출 방법을 제안한다. 끝으로, 다양한 실험을 통해 제안하는 아웃라이어 검출 방법의 우수성을 보인다.
An outlier in data is an observation or an object that is considerably dissimilar or inconsistent with the remainder of the data. In this paper, we first propose the concept of Centrality and Center Proximity which can consider the characteristics of all of the objects in the data set. We, then, propose a novel graph-based outlier detection method which can solve the problems of local density, micro cluster, and fringe objects. Finally, we conduct extensive experiments with various datasets and show the effectiveness of the proposed method.
