基于信息熵的异常检测算法
针对传统K-means异常检测方法 检测性能低的问题，提出一种结合信息熵与改进K-means聚类的异常检测算法。该算法在聚类时通过选择密度大于数据集平均密度的数据对象作为初始中心，避免了初始聚类中心是异常数据点。并在此基础上引入信息熵确定属性权重的方法来计算簇中数据点与该簇聚类中心的加权欧式距离。通过对比簇中数据点的加权欧式距离与该簇中所有数据点的平均加权欧式距离来进行异常检测。实验表明，与传统算法相比，改进算法具有更高的异常检测率和更低的误检率。
信息熵 K均值 异常检测
吴蕊 张安勤 张挺
上海电力大学计算机科学与技术学院,上海200090
国内会议
上海
中文
35-41
2019-05-17（万方平台首次上网日期，不代表论文的发表时间）