文献类型：期刊文章

作　　者：蒋华[1] 季丰[1] 王慧娇[1] 王鑫[1] 罗一迪[1]

JIANG Hua;JI Feng;WANG Hui-jiao;WANG Xin;LUO Yi-di(School of Computer and Information Security,Guilin University of Electronic Technology,Guilin 541000,China)

机构地区：[1]桂林电子科技大学计算机与信息安全学院,广西桂林541000

出　　处：《计算机工程与设计》

基　　金：2016广西高校中青年教师基础能力提升基金项目(ky2016YB150);桂林电子科技大学研究生教育创新计划基金项目(2017YJCX48)

年　　份：2018

卷　　号：39

期　　号：10

起止页码：3132-3136

语　　种：中文

收录情况：BDHX、BDHX2017、CSA、CSA-PROQEUST、IC、INSPEC、JST、RCCSE、ZGKJHX、核心刊

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MinMaxKmeans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。

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

分 类 号：TP391]