公开(公告)号：CN110544047A

公开(公告)日：2019-12-06

申请号：CN201910854363.4

申请日：2019-09-10

Applicant: 东北电力大学

Inventor： 娄建楼 ,  贾俊奇 ,  曲朝阳 ,  李燕 ,  孙博 ,  王蕾

IPC: G06Q10/06 ,  G06K9/62 ,  G06Q50/06

Abstract: 本发明公开了一种不良数据辨识方法，包括以下步骤：S1，使用凝聚层次聚类算法和真实Index的模型评估指标，确定PAM算法的初始聚类个数；S2，使用PAM算法对正常数据进行聚类，并计算每类的均方差，得出正常数据的类均方差范围；S3，运用间隙统计算法对待测数据进行聚类并得出结果；S4，比较待测数据所得聚类个数与正常数据通过HC-Center聚类算法所得聚类个数是否一致，若一致即不存在不良数据，否则需计算每个类的均方差，判断其是否在正常数据的类均方差范围之内，若不在，则类中数据视为不良数据。本发明解决了PAM算法需要人为设定初始聚类个数的缺陷，提高了聚类的准确度；能够高效、准确地对数据进行聚类运算。