Distance based outlier detection in large dataset?

如题。 问题是有一个存在硬盘上的数据库，数据库大小约是内存的20倍，其中恰好有一个 outlier， 怎么用furthest nearest neighbor的方法（每个点都有许多neighbors， 把离某点O最近的neighbor与O的距离记作r_O, 这里要求的是找出使r_O最大的O。）找出这个outlier？ 要求是数据库的scan次数不超过三次。 （从数据库读入的次数不超过三次， 但是从数据库读入内存后对数据的的读取次数并没有限制）我查了不少文献,也查到了不超过3次scan找出outlier的方法，但是这些方法都需要给定 参数，比方说给定（r,k) （表示某个点O 周围r半径内的object不超过k个则这个点判断 为outlier）， 而找furthest nearest neighbor 的话要用这种方式描述的话这个参数 就成了（r1，0）， 其中r1 是outlier 的furthest nearest neighbor 与它的距离，但 是这个参数不好确定。 给太小了检测出的outlier就太多了， 给大了又检测不出 outlier。 请问该怎么解决这个问题？