外れ値検出はさまざまな分野で重要な問題となっており、外れ値は詐欺的な行動や機械的故障、人為的エラー、あるいは自然な変動の結果として現れます。この論文では、クラスタリングプロセスに基づく新しい外れ値検出手法を提案しています。提案手法は、従来の外れ値検出技術が持つ特異性を乗り越えることを目的とし、対象物の本質的な分散を考慮に入れることに重点を置いています。外れ値検出は、ドメインにおける専門家がクラスターを分析した後に視覚的に外れ値を同定する際の基準に基づいて設計されています。この手法は、数値分析に単純に依存する他の手法に比べて優れた利点を持っています。提案手法は、スタビロメトリーと脳波計測のデータの分析を通じて評価され、2%未満の偽陽性率と99%以上の信頼性を持つことが確認されました。