离群指数相关论文
数据的异常点检测是数据挖掘领域的研究热点,目前常规方法存在未考虑数据点的近邻分布和参数选取较敏感等缺陷,因此本文结合箱形图......
根据加权K-means算法，建立历史常规参数的聚类模型，用以实时检测设备运行的参数点。对属于簇团内的参数点，分析簇团内不同相似度时的......
离群数据挖掘(outlier minmg,简称离群挖掘)是数据挖掘的重要内容.该文针对时序数据进行离群数据挖掘方法的研究,提出了离群指数的......
传统K-均值聚类算法的初始聚类中心是随机选择的，不同的初始聚类中心会得到不同的聚类结果，聚类结果随机性较大、稳定性差．采用局部离......
采用数据挖掘中的聚类算法对流程企业的大量的历史数据进行分析，采用基于欧几里德距离的加权K-means算法建立了参数的聚类模型，分析......
