基于聚类和核密度估计假设检验的异常值检测方法

• 作者: 周春蕾 杨晨琛 王皓 田品卓
• 来源期刊: 数据采集与处理
• 学科: 工学
• 关键词: 异常值检测 聚类 假设检验 核密度估计
• 年，卷（期）: 2017,（5）
• 页码范围: 997-1004
• 页数: 8页
• 分类号: TP391
• 字数: 5959字
• 语种: 中文
• DOI: 10.16337/j.1004-9037.2017.05.017

摘要

异常值检测是数据挖掘领域中的核心问题,在工业生产中也有着广泛的应用.准确高效的异常值检测方法能够及时反映出工业系统运行状态,为相关人员提供参考,而传统的异常值检测方法无法很好地检测出变化模式复杂、变化范围小、具有流数据特性的数据中的异常值.因此,本文提出了一种新的针对该类型数据的异常值检测方法:首先通过对数据进行聚类划分,将相似的数据进行归类,从而将原本复杂的数据分布拆解成为每个聚类下简单数据分布的叠加;然后使用核密度估计假设检验的方法对待检测数据进行异常值检测.在标准数据集和真实数据上的实验结果表明,该方法相比于传统的异常值检测方法在检测精度上有一定的提升.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	周春蕾	南京大学计算机软件新技术国家重点实验室	17	59	5.0	6.0
3	杨晨琛	南京大学计算机软件新技术国家重点实验室	9	12	3.0	3.0
5	王皓	南京大学计算机软件新技术国家重点实验室	21	164	6.0	12.0
8	田品卓	南京大学计算机软件新技术国家重点实验室	1	5	1.0	1.0