中文引用格式： 劉道君，劉帥，張玉松，等. 基于K-means的異常識別方法[J]. 電子技術應用，2025，51(5)：62-67.
英文引用格式： Liu Daojun，Liu Shuai，Zhang Yusong，et al. Outlier detection method based on K-means[J]. Application of Electronic Technique，2025，51(5)：62-67.
引言
異常識別在當今社會中具有重要意義，它可以幫助提高安全性、優(yōu)化效率、預測未來、改善數(shù)據(jù)質(zhì)量以及支持決策，在各個領域中推動進步和發(fā)展。隨著技術的不斷發(fā)展和應用范圍的擴大，異常識別將繼續(xù)發(fā)揮重要作用，并為人類社會帶來更多的益處。
當前，已有上千種異常識別算法被陸續(xù)提出。它們大致可以被劃分為基于統(tǒng)計、基于距離、基于深度學習、基于集成的算法。具體地，基于統(tǒng)計的算法使用數(shù)據(jù)的統(tǒng)計特性來識別異常值，常見的統(tǒng)計信息包括均值、標準差、中位數(shù)、百分位數(shù)等?；诰嚯x的算法通過計算對象之間的相似度或距離來識別異常值?；诩傻乃惴ńY合多個基本異常檢測模型的輸出，以提高整體的性能和魯棒性?；谏疃葘W習的算法利用多層神經(jīng)網(wǎng)絡來學習數(shù)據(jù)的復雜特征，并在此基礎上進行異常檢測。盡管上述類型算法已經(jīng)被驗證可以在各樣場景下很好地識別數(shù)據(jù)集中的復雜異常，但大多算法面臨一個共同的問題，就是需要若干輸入?yún)?shù)，且異常識別效果與參數(shù)值高度相關。然而，異常識別是一種無監(jiān)督分析任務，這意味著面對未知數(shù)據(jù)集時，將無法客觀地預測哪些參數(shù)值是適當?shù)摹Ｒ环N名為DPC的算法解決了上述問題，它通過識別簇邊界區(qū)域，然后將邊界區(qū)域中密度小于密度均值的對象識別為異常，識別過程中不需要輸入任何參數(shù)。然而，DPC的異常識別效果易受對象分布的影響。若簇間較為接近時，會有許多正常數(shù)據(jù)對象被錯誤地識別為異常。顯然，如果構建一個既無輸入?yún)?shù)又有優(yōu)異的異常識別效果的算法模型將是有意義的。
為了實現(xiàn)上一目標，本文提出了一種全新的名為K-outlier的算法。具體地，K-outlier算法首先將數(shù)據(jù)集劃分為個簇，其中為數(shù)據(jù)集中數(shù)據(jù)對象的數(shù)量。由于異常對象分布相對稀疏，因此異常對象將被劃分到只包含少量對象的小簇中。然后，K-outlier算法統(tǒng)計每個簇中對象的數(shù)量，并生成數(shù)量概率圖，稱之為決策圖。從決策圖中，使用者可以很清晰地識別出哪些簇中的對象數(shù)量少且概率低，從而將它們識別為異常簇（因為異常對象的數(shù)量遠小于正常對象，且異常對象所在簇中對象的數(shù)量也遠小于正常對象所在簇中對象的數(shù)量），其中的對象識別為異常。K-outlier算法的主要貢獻：
(1)首次將K-means引入異常識別任務。K-means是最經(jīng)典的聚類算法，盡管它沒有異常識別能力，但它具有低時間復雜的優(yōu)勢，可以幫助K-outlier算法快速識別出異常。
(2)生成可視決策圖代替輸入?yún)?shù)。K-outlier算法不再像其他異常識別算法需要輸入?yún)?shù)來識別異常，使用者可以通過決策圖提供的可視信息直接得到異常識別結果。
(3)K-outlier算法的異常識別效果不受對象分布的影響。由于將異常劃分到小簇中，與正常對象進行了物理隔離，因此不受正常對象分布的影響。
(4)通過大量實驗驗證了K-outlier算法的有效性。實驗表明K-outlier算法對密度不平衡數(shù)據(jù)集、復雜分布數(shù)據(jù)集具有一定的魯棒性。在7個真實世界數(shù)據(jù)集上，相比于現(xiàn)有算法，K-outlier算法取得了最優(yōu)的結果。
本文詳細內(nèi)容請下載：
http://ihrv.cn/resource/share/2000006527
作者信息：
劉道君，劉帥，張玉松，歐思程
（中國長江電力股份有限公司 三峽水利樞紐梯級調(diào)度通信中心 湖北 宜昌 443000）
