作者：白宁数据挖掘聚类结果测度函数自适应性
摘要：由于实际问题中用户的行为模式存在多样性和不可预知性，传统异常检测方法采用提前设定正常模式或异常模式进行学习变得非常困难。针对这个问题，本文提出一种基于k-均值聚类的自适应异常检测方法，称为OD_KC方法。该方法设置不同的聚类个数对无标签的样本集进行k-均值聚类，通过构造测度函数，以衡量聚类结果的抱团性和分离性，从而获得最佳的聚类结果，同时自动得到那些被划分为很小规模的类的样本作为异常模式样本。基于k-均值的异常检测方法具有很强的自主性和自适应性，特别地，当样本分布模式复杂时，也能得到较为优秀的检测结果，具有较好的异常检测能力。实验结果表明，基于k-均值聚类的异常检测技术能够得到较好的检测结果。
注：因版权方要求，不能公开全文，如需全文，请咨询杂志社
