改进Kmeans算法的海洋数据异常检测

• 作者: 季丰 王慧娇 王鑫 罗一迪 蒋华
• 来源期刊: 计算机工程与设计
• 学科: 工学
• 关键词: Kmeans算法 初始聚类中心点 离群点 海洋监测数据 异常检测
• 年，卷（期）: 2018,（10）
• 所属期刊栏目: 软件与算法
• 页码范围: 3132-3136
• 页数: 5页
• 分类号: TP391
• 字数: 4704字
• 语种: 中文
• DOI: 10.16208/j.issn1000-7024.2018.10.023

摘要

为解决Kmeans算法随机指定初始点聚类和海洋Argo浮标数据异常问题,提出一种改进Kmeans算法的海洋数据异常检测方法.提出一种改进Kmeans算法DMKmeans(density mathematics Kmeans),选取给定邻域范围内最近邻数据点最多的点为初始中心点,迭代聚类,直到准则函数收敛,聚类结束;基于DMKmeans算法对数据集聚类,使用数学模型为准则进行海洋监测数据异常检测.通过海洋监测数据异常检测仿真实验,将DMKmeans算法与传统Kmeans算法及Min-MaxKmeans算法做对比分析,其结果表明,提出算法能有效提高聚类准确率和异常检测率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	蒋华	桂林电子科技大学计算机与信息安全学院	116	552	10.0	18.0
2	王鑫	桂林电子科技大学计算机与信息安全学院	87	290	8.0	13.0
3	王慧娇	桂林电子科技大学计算机与信息安全学院	23	97	5.0	9.0
4	季丰	桂林电子科技大学计算机与信息安全学院	2	15	2.0	2.0
5	罗一迪	桂林电子科技大学计算机与信息安全学院	4	14	2.0	3.0