Update 03-data-density.md

docs/zh/06-advanced/06-TDgpt/05-anomaly-detection/03-data-density.md

@@ -3,7 +3,7 @@ title: "数据密度算法"
 sidebar_label: "数据密度算法"
 ---
 
-### 基于数据密度的检测方法
+### 基于数据密度/数据挖掘的检测算法
 LOF<sup>[1]</sup>: Local Outlier Factor(LOF)，局部离群因子/局部异常因子，
 是 Breunig 在 2000 年提出的一种基于密度的局部离群点检测算法，该方法适用于不同类簇密度分散情况迥异的数据。根据数据点周围的数据密集情况，首先计算每个数据点的一个局部可达密度，然后通过局部可达密度进一步计算得到每个数据点的一个离群因子，
 该离群因子即标识了一个数据点的离群程度，因子值越大，表示离群程度越高，因子值越小，表示离群程度越低。最后，输出离群程度最大的 $topK$ 个点。
@@ -15,6 +15,10 @@ FROM foo
 ANOMALY_WINDOW(foo.i32, "algo=lof")
 ```
 
+后续待添加基于数据挖掘检测算法
+- DBSCAN (Density-Based Spatial Clustering of Applications with Noise)
+- K-Nearest Neighbors (KNN)
+
 ### 参考文献
 
 1. Breunig, M. M.; Kriegel, H.-P.; Ng, R. T.; Sander, J. (2000). LOF: Identifying Density-based Local Outliers (PDF). Proceedings of the 2000 ACM SIGMOD International Conference on Management of Data. SIGMOD. pp. 93–104. doi:10.1145/335191.335388. ISBN 1-58113-217-4.