基于信息熵的异常检测算法

• 作者: 吴蕊 张安勤 张挺
• 来源期刊: 上海电力大学学报
• 学科: 工学
• 关键词: 信息熵 K均值 异常检测
• 年，卷（期）: 2020,（4）
• 页码范围: 386-390
• 页数: 5页
• 分类号: TP312
• 语种: 中文
• DOI: 10.3969/j.issn.2096-8299.2020.04.012

摘要

针对K-means异常检测算法检测性能低的问题,提出了一种结合信息熵与改进K-means算法的异常检测算法.该算法均匀地选出密度大于数据集平均密度的数据对象作为初始聚类中心,避免了初始中心的随机选择.在此基础上,引入了信息熵确定属性权重的方法来计算簇中数据点与该簇聚类中心的加权欧氏距离,通过对比簇中数据点的加权欧氏距离与该簇中所有数据点的平均加权欧氏距离来进行异常检测.实验表明,改进算法具有更高的检测率和更低的误检率,应用于电力负荷数据时检测率达到了90.5％,能够有效地检测出异常的负荷数据.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张安勤		20	97	5.0	9.0
2	张挺		16	11	2.0	2.0
3	吴蕊		2	0	0.0	0.0