改进K均值聚类的海洋数据异常检测算法研究

摘要：

针对海洋Argo浮标监测数据中的异常数据挖掘问题,在改进K均值算法的基础上,提出基于距离为准则进行海洋异常数据判定的异常检测算法.该算法重新定义海洋数据邻近度,并根据数据的规模以及分布情况,区块化、自适应地筛选备选初始聚类中心;在算法迭代过程中,运用簇内,数据对象相对于聚类中心的距离均值,全局考量类簇内,符合异常特征的数据对象进行异常检测.通过仿真数据集和真实数据集分别进行实验验证,对比结果表明:该算法在聚类性能以及异常检测方面都优于对比算法.

关键词：K-means算法、Argo浮标数据、邻近度、区块化、异常检测

所属期刊栏目：46

分类号：TP391(计算技术、计算机技术)

资助基金：广西科技重大专项AA18118025;桂林电子科技大学研究生教育创新计划项目2017YJCX48

在线出版日期：2019-07-29（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：211-216