基于边信息度量学习的密度聚类电力远动传输异常检测算法

摘要

针对远动传输数据空间分布复杂、传统欧氏距离度量样本相似性难以满足要求的情况,提出了一种基于边信息度量学习的密度聚类电力远动传输异常检测算法。通过引入基于边信息的度量学习阶段,从给定的数据集边信息中学习出一种优化的距离度量方式来定义样本之间的距离,进而在密度聚类异常检测算法中采用新的距离定义。相比于采用传统欧式距离定义的密度聚类异常检测算法,由边信息学习而得的距离度量提高了数据样本之间的可区分性,增强了密度聚类算法的聚类性能,改善了现有基于聚类的异常检测算法误报率较高的问题。仿真结果表明,提出的算法能够显著降低异常的误报率,同时有效提高异常的检测率。