基于改进的K-means聚类方法的多站数据关联异常检测

• 作者: 周晓峰 邵开霞 陈淡泊
• 来源期刊: 微型电脑应用
• 学科: 工学
• 关键词: 特征提取 K-means聚类方法 异常检测
• 年，卷（期）: 2016,（11）
• 所属期刊栏目: 技术交流
• 页码范围: 74-78
• 页数: 5页
• 分类号: TP311
• 字数: 4109字
• 语种: 中文

摘要

在传统的水文时序数据研究中,我们通常只关注单个测点的时序数据,这不仅造成数据大量的冗余,还大大增加了工作的繁琐度.本文针对时间序列数据聚类的统计特征和结构特征,基于滑动窗口特征提取算法提出了改进的K-means聚类方法,来探求水文时间序列数据是否在空间上存在某种关联,并在此基础上对多水文站数据进行关联异常检测.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	周晓峰		36	446	9.0	20.0
2	陈淡泊		2	5	2.0	2.0
3	邵开霞		2	4	1.0	2.0