10.11896/j.issn.1002-137X.2016.8.052
基于改进K均值聚类的异常检测算法
通过改进传统K-means算法的初始聚类中心随机选取过程,提出了一种基于改进K均值聚类的异常检测算法.在选择初始聚类中心时,首先计算所有数据点的紧密性,排除离群点区域,在数据紧密的地方均匀选择K个初始中心,避免了随机性选择容易导致局部最优的缺陷.通过优化选取过程,使得算法在迭代前更加接近真实的聚类类簇中心,减少了迭代次数,提高了聚类质量和异常检测率.实验表明,改进算法在聚类性能和异常检测方面都明显优于原算法.
K均值、聚类、紧密性、异常检测
43
TP393(计算技术、计算机技术)
2016-10-08(万方平台首次上网日期,不代表论文的发表时间)
共4页
258-261