基于K-均值聚类和凝聚聚类的离群点查找方法  

Outliers detection method based on K-means and agglomerative clustering

作　　者：曾颖[1] 罗可[1] 邹瑞芝[1] 

机构地区：[1]长沙理工大学计算机与通信工程学院,长沙410076

出　　处：《计算机工程与应用》2009年第29期131-133,共3页Computer Engineering and Applications

基　　金：国家自然科学基金(No.10871031);湖南省科技计划项目基金(No.2008FJ3015);湖南省教育厅科研项目基金(No.07A001)~~

摘　　要：离群点发现是数据挖掘研究的一个重要方面。根据数据流的特点,给出了一种基于K-均值聚类和凝聚聚类的离群点发现方法,先用K-均值聚类对数据流进行处理,生成中间聚类结果,然后用凝聚聚类对这些中间结果进行再次选择,最后找出可能存在的离群点。Outliers detection is an important issue in data mining.In this paper,according to the characteristics of data streams, an outliers detection method based on k-means and agglomerative clustering is proposed,which uses k-means clustering to find some intermediate results,and applies agglomerative clustering on each intermediate result to pick out potential outliers.

关 键 词：数据挖掘 离群点 K-均值聚类 凝聚聚类 

分 类 号：TP311[自动化与计算机技术—计算机软件与理论]