基于改进DBSCAN算法的异常数据处理

• 作者: 官易楠 黄静
• 来源期刊: 软件导刊
• 学科: 工学
• 关键词: 智慧农业 聚类算法 DBSCAN 异常数据
• 年，卷（期）: 2020,（4）
• 所属期刊栏目: 数据库与信息处理
• 页码范围: 219-223
• 页数: 5页
• 分类号: TP39
• 字数: 4437字
• 语种: 中文
• DOI: 10.11907/rjdk.191763

摘要

随着智慧农业的发展,农业生产中海量数据不断涌现.在海量数据中难免存在噪声数据,这些数据不仅难以提供有效价值,还会影响信息挖掘.针对该问题,采用基于密度的DBSCAN聚类算法进行异常数据处理.鉴于DBSCAN算法对参数敏感,结合数据集本身特性与统计学思想以绘制各点之间的距离升序曲线,预估出DBSCAN的Eps参数.仿真实验结果表明,改进算法平均准确率达到99.6％,较传统算法提高了1.7个百分点,并且在10次检测中,改进算法只有3个数据判定错误,证明该参数设置方法对异常数据处理准确率更高,稳定性也更好.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	黄静	浙江理工大学信息学院	44	157	6.0	11.0
2	官易楠	浙江理工大学信息学院	2	0	0.0	0.0