基于K-means聚类的WSN异常数据检测算法分析OA
本文以K-means聚类为理论基础,参照无线设备的数据特征,以欧式距离为参数类型,对比数据相似性,制定有效的聚类方案,排查异常数据.经测算实践发现:数据量大于1000后,相比噪声密度算法,K-means方法的异常数据测定灵敏性较高,误报次数较少;将K-means方法用于车辆生产、供应商管理等程序中,表现出较强的异常数据测定能力,可显著增强企业决策管理的科学性.
李彦林;李艳;董绪琪
中车青岛四方机车车辆股份有限公司中车青岛四方机车车辆股份有限公司中车青岛四方机车车辆股份有限公司
K-means聚类数据
《中国科技投资》 2022 (27)
107-109,3
评论