典型文献
基于K-means聚类的WSN异常数据检测算法分析
文献摘要：
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.
文献关键词：
K-means聚类;数据
中图分类号：
作者姓名：
李彦林;李艳;董绪琪
作者机构：
中车青岛四方机车车辆股份有限公司
文献出处：
引用格式：
[1]李彦林;李艳;董绪琪-.基于K-means聚类的WSN异常数据检测算法分析)[J].中国科技投资,2022(27):107-109
A类：
B类：
means,WSN,异常数据检测,检测算法,算法分析,数据特征,欧式距离,对比数据,数据相似性,数据量,据测定,灵敏性,误报,供应商管理,定能,企业决策,决策管理
AB值：
0.418089
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
