基于聚类融合的异常检测算法

CN 41-1437/TS ISSN 2096-1553

×

“关于规范使用生成式人工智能工具的启事

基于聚类融合的异常检测算法

苏晓珂 , 王秉政

苏晓珂, 王秉政. 基于聚类融合的异常检测算法[J]. 轻工学报, 2011, 26(3): 8-11. doi: 10.3969/j.issn.1004-1478.2011.03.003

引用本文: 苏晓珂, 王秉政. 基于聚类融合的异常检测算法[J]. 轻工学报, 2011, 26(3): 8-11. doi: 10.3969/j.issn.1004-1478.2011.03.003

SU Xiao-ke and WANG Bing-zheng. An outlier detection algorithm based on clustering ensemble[J]. Journal of Light Industry, 2011, 26(3): 8-11. doi: 10.3969/j.issn.1004-1478.2011.03.003

Citation: SU Xiao-ke and WANG Bing-zheng. An outlier detection algorithm based on clustering ensemble[J]. Journal of Light Industry, 2011, 26(3): 8-11. doi: 10.3969/j.issn.1004-1478.2011.03.003

基于聚类融合的异常检测算法

苏晓珂 ,
王秉政

郑州轻工业学院计算机与通信工程学院, 河南郑州 450002
基金项目: 河南省教育厅自然科学基础研究计划项目(2010A520033)
河南省科技攻关项目(092102210108)
郑州轻工业学院博士科研基金资助项目
中图分类号: TP391

An outlier detection algorithm based on clustering ensemble

College of Comp. and Com. Eng., Zhengzhou Univ. of Light Ind., Zhengzhou 450002, China
Received Date: 2011-04-19
Available Online: 2011-05-15
CLC number: TP391

摘要: 针对任意形状聚类算法用于异常检测时参数设置困难的问题,提出一种基于聚类融合的异常检测算法:设置不同的半径阈值进行多次聚类,统计每次聚类中标记为异常的簇频率,将频率高的簇作为真正的异常.在UCI数据集上对该算法进行实验,结果表明:本算法可降低直接将小簇作为异常的高误报率,并且能提供给用户更为友好的操作.
- 异常检测 /
- 聚类融合 /
- 异常簇 /
- 任意形状聚类
Abstract: An outlier mining algorithm based on the clustering ensemble was presented in order to reduce the reliance for users and decrease the high false positive rate due to taking the small size clusters as the outliers directly.Outliers can be found according to the abnormal frequency of every record.The algorithm is able to provide the user a more friendly operation.The experimental results on the real-life datasets showed that the proposed algorithms are feasible and effective comparing with other classical algorithms and can be used for mixed dataset.
- outlier detection /
- clustering ensemble /
- abnormal cluster /
- arbitrary shape clustering
1. [1]
  楚文娟 , 郭丽霞 , 程东旭 , 王红霞 , 崔廷 , 冯银龙 , 王建民 , 鲁平 . 基于K-means聚类及模糊判别的卷烟包灰性能综合评价方法. 轻工学报, 2024, 39(6): 93-100. doi: 10.12187/2024.06.011
2. [2]
  孙彦庆 , 杜芬 , 朱宗敏 , 冯晓梅 , 尚丽丽 , 曹婉秀 , 刘楚怡 . 大黄鱼鱼鳔低聚肽的制备及其延缓皮肤衰老的研究. 轻工学报, 2025, 40(1): 107-119. doi: 10.12187/2025.01.013
3. [3]
  李艳坤 , 张伟 , 刘彦伶 . 数据融合策略在食用油真实性鉴别中的研究与应用进展. 轻工学报, 2024, 39(5): 50-59. doi: 10.12187/2024.05.006
4. [4]
  吴晓东 , 刘畅 , 李俊 , 胡良志 , 贺凌晨 , 袁海霞 , 李强 , 黄锦标 . 基于高光谱检测的烟丝加香均匀性表征方法. 轻工学报, 2024, 39(5): 95-101. doi: 10.12187/2024.05.011
5. [5]
  卢晓波 , 徐海 , 朱俊召 , 张宇 , 谭健 , 高冠男 , 胡军华 , 林龙 . 基于机器视觉的加热卷烟烟支端部质量检测系统设计. 轻工学报, 2024, 0(0): -.
6. [6]
  卢晓波 , 徐海 , 朱俊召 , 张宇 , 谭健 , 高冠男 , 胡军华 , 林龙 . 基于机器视觉的加热卷烟烟支端部质量检测系统设计. 轻工学报, 2024, 39(6): 101-107,115. doi: 10.12187/2024.06.012
7. [7]
  王春琼 , 刘凯 , 谢永辉 , 张轲 , 刘春明 , 张晓伟 , 孙浩巍 , 陈丹 . 烟草花叶病毒胶体金检测试纸条的制备与性能评价. 轻工学报, 2025, 40(1): 90-97. doi: 10.12187/2025.01.011
8. [8]
  李浩佳 , 贺诗华 , 曹艺泽 , 郭西玉 , 朱由余 , 赵玮钦 , 黄淳 . 以碳量子点为荧光信号的生物传感器构建及其在金银花 Pb²⁺ 检测中的应用. 轻工学报, 2024, 0(0): -.

WeChat

点击查看大图

计量

PDF下载量: 27
文章访问数: 1249
引证文献数: 0

通讯作者: 陈斌, bchen63@163.com

1.
沈阳化工大学材料科学与工程学院沈阳 110142

苏晓珂, 王秉政. 基于聚类融合的异常检测算法[J]. 轻工学报, 2011, 26(3): 8-11. doi: 10.3969/j.issn.1004-1478.2011.03.003

引用本文: 苏晓珂, 王秉政. 基于聚类融合的异常检测算法[J]. 轻工学报, 2011, 26(3): 8-11. doi: 10.3969/j.issn.1004-1478.2011.03.003

SU Xiao-ke and WANG Bing-zheng. An outlier detection algorithm based on clustering ensemble[J]. Journal of Light Industry, 2011, 26(3): 8-11. doi: 10.3969/j.issn.1004-1478.2011.03.003

Citation: SU Xiao-ke and WANG Bing-zheng. An outlier detection algorithm based on clustering ensemble[J]. Journal of Light Industry, 2011, 26(3): 8-11. doi: 10.3969/j.issn.1004-1478.2011.03.003

基于聚类融合的异常检测算法

郑州轻工业学院计算机与通信工程学院, 河南郑州 450002

收稿日期: 2011-04-19
网络出版日期: 2011-05-15

基金项目: 河南省教育厅自然科学基础研究计划项目(2010A520033)河南省科技攻关项目(092102210108)郑州轻工业学院博士科研基金资助项目

关键词:

摘要: 针对任意形状聚类算法用于异常检测时参数设置困难的问题,提出一种基于聚类融合的异常检测算法:设置不同的半径阈值进行多次聚类,统计每次聚类中标记为异常的簇频率,将频率高的簇作为真正的异常.在UCI数据集上对该算法进行实验,结果表明:本算法可降低直接将小簇作为异常的高误报率,并且能提供给用户更为友好的操作.

English Abstract

相关文章 (8)

/

下载: 全尺寸图片幻灯片

分享

用微信扫码二维码

分享至好友和朋友圈

网站版权 © 轻工学报编辑部

地址：河南省郑州市科学大道136号邮编：450001

电话：	(086)0371-86608635, (086)0371-86608633

E-mail：qgxb@zzuli.edu.cn

本系统由北京仁和汇智信息技术有限公司开发技术支持： info@rhhz.net