基于改进K均值聚类的异常检测算法

• 作者: 左进 陈泽茂
• 来源期刊: 计算机科学
• 学科: 工学
• 关键词: K均值 聚类 紧密性 异常检测
• 年，卷（期）: 2016,（8）
• 所属期刊栏目: 人工智能
• 页码范围: 258-261
• 页数: 4页
• 分类号: TP393
• 字数: 4958字
• 语种: 中文
• DOI: 10.11896/j.issn.1002-137X.2016.8.052

摘要

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.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈泽茂	海军工程大学信息安全系	42	202	7.0	11.0
2	左进	海军工程大学信息安全系	4	42	1.0	4.0