文献类型：期刊文章

作　　者：左进[1] 陈泽茂[1]

ZUO Jin CHEN Ze-mao(Information Security Department, Naval University of Engineering, Wuhan 430033, Chin)

机构地区：[1]海军工程大学信息安全系,武汉430033

出　　处：《计算机科学》

年　　份：2016

卷　　号：43

期　　号：8

起止页码：258-261

语　　种：中文

收录情况：BDHX、BDHX2014、CSA、CSCD、CSCD_E2015_2016、IC、JST、RCCSE、UPD、ZGKJHX、核心刊

摘　　要：通过改进传统K-means算法的初始聚类中心随机选取过程,提出了一种基于改进K均值聚类的异常检测算法。在选择初始聚类中心时,首先计算所有数据点的紧密性,排除离群点区域,在数据紧密的地方均匀选择K个初始中心,避免了随机性选择容易导致局部最优的缺陷。通过优化选取过程,使得算法在迭代前更加接近真实的聚类类簇中心,减少了迭代次数,提高了聚类质量和异常检测率。实验表明,改进算法在聚类性能和异常检测方面都明显优于原算法。

关 键 词：K均值 聚类 紧密性  异常检测

分 类 号：TP393]