基于K-Means聚类的农产品价格异常数据检测

• 作者: 吴华瑞 韩琳 顾静秋
• 来源期刊: 计算机系统应用
• 关键词: 海量农业数据 聚类 K-means算法 离群点 市场价格 异常检测
• 年，卷（期）: 2017,（3）
• 所属期刊栏目: 软件技术·算法
• 页码范围: 139-143
• 页数: 5页
• 字数: 3680字
• 语种: 中文
• DOI: 10.15888/j.cnki.csa.005641

摘要

全国各地各个年份的农产品市场价格数据量庞大,而海量的农产品的市场价格数据中无可避免存在超出市场正常价格范围的异常价格元素,这对搜索引擎农产品市场价格的统计分析与预测造成了影响.从市场价格大数据中发现离群点并计算出价格边界成为有待解决的问题,为此,本研究在数据挖掘聚类技术K-means算法的基础上,提出了基于K-means聚类的农产品市场价格异常数据检测并计算出农产品市场价格边界,测试及实践结果表明该方法提高了聚类的精确率和稳定性,实现了价格异常点检测与价格边界的计算.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	吴华瑞		101	883	16.0	24.0
2	顾静秋		4	8	2.0	2.0
3	韩琳		2	3	1.0	1.0