改进Kmeans算法的海洋数据异常检测

蒋 华，季 丰，王慧娇，王 鑫，罗一迪

(桂林电子科技大学 计算机与信息安全学院，广西 桂林 541000)

0 引 言

近十几年来我国海洋监测领域有了长足发展，获取了大量Argo浮标监测数据。但是据Argo资料的应用研究显示，Argo浮标由于自身所携带的电导率传感器，在运行过程中由于系统漂移而导致出现错误的监测数据，需要在海洋Argo浮标监测数据处理过程中尽可能的将异常数据剔除。

在“无监督学习”(unsupervised learning)中，Kmeans算法是应用最广研究最多的聚类算法之一。研究者们在传统Kmeans基础上提出了许多改进算法，如MinMaxKmeans算法[1]、KMOR算法[2]、Seeded-KMeans[3]和IWO-KMeans算法[4]等，聚类效果相较于传统算法有了明显改善，在此基础上进行的异常值检效率也更高。文献[5-10]提出了K模式聚类的两种不同的初始化算法，但不能保证初始中心点均匀分布，且算法复杂度较高。文献[11-13]提出了3种分阶段聚类方法，但时间复杂度高，人为设置约束信息使聚类变成有监督聚类。聚类和异常检测[14,15]作为数据挖掘的两个重要研究方向，可以很自然地结合起来共同研究。

为解决海洋Argo浮标数据中存在异常值问题，第一步，提出DMKmeans算法，通过计算给定邻域范围内数据点密度值，按密度值大小降序排列数据集，剔除低于平均密度值的数据点。排除密度稀疏点，在剩下的数据点中选取初始聚类中心点。第二步，基于DMKmeans算法对海洋监测数据进行异常检测研究，根据数据点距离所在簇簇心的最近距离与平均距离比较，结合数学模型来判断异常点。DMKmeans算法优化了传统Kmeans算法选取初始中心点的方法，降低了聚类迭代次数并达到全局最优结果，有效提高海洋监测数据异常检测率。……