一种融合了异常数据识别的CMM改进算法

• 作者: 任蕾 郑滨
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 数据挖掘 聚类 异常数据识别 多中心点聚类(CMM)算法
• 年，卷（期）: 2013,（8）
• 页码范围: 120-124
• 分类号: TP181
• 字数: 5616字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1211-0017

摘要

针对聚类过程中有意义的异常数据难以识别的问题,在改进CMM算法的基础上,提出了一种融合了异常数据识别的层次聚类算法.采用CMM方法提出的原子簇思想,通过重新定义簇中心、噪声判断标准以及改进循环机制等手段提高聚类准确性及算法效率.提出了异常数据的概念和定义,并将其识别算法引入聚类过程过程.基于仿真及实际数据的实验结果证明,该算法能够根据设定参数准确识别异常数据,同时其聚类准确性及性能针对CMM算法也有了相应提高.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	任蕾	上海海事大学信息工程学院	55	124	6.0	8.0
2	郑滨	上海海事大学商船学院	4	64	3.0	4.0