论文摘要
近几年,数据挖掘中的异常检测在不同的研究领域发挥着越来越重要的作用,大量的研究工作也致力于数据的异常检测,包括基于距离、密度和聚类的异常检测。然而,现有的方法都将耗费较多的计算时间。因此,提出了一种改进的谱聚类算法用于异常检测,上述算法具有较高的性能。另外,上述算法可以实现对数据进行剪枝,剪枝后的数据可以减少计算的复杂性,结合基于杰卡德相似系数的方法获得相似度数值。通过真实的电力数据进行实验验证,并与现有方法在运行时间、精确度等进行对比,实验结果表明改进方法优于现有方法。
论文目录
文章来源
类型: 期刊论文
作者: 高书强,李晨
关键词: 数据挖掘,异常检测,谱聚类,杰卡德相似系数
来源: 计算机仿真 2019年11期
年度: 2019
分类: 信息科技,工程科技Ⅱ辑
专业: 电力工业,计算机软件及计算机应用,自动化技术
单位: 郑州大学信息工程学院,南京信息工程大学电子与信息工程学院
基金: 河南省科技攻关项目(172102410065)
分类号: TM764;TP311.13;TP309
页码: 239-242+304
总页数: 5
文件大小: 1118K
下载量: 149