韓 琳, 吳華瑞, 顧靜秋

?

基于K-Means聚類的農(nóng)產(chǎn)品價(jià)格異常數(shù)據(jù)檢測(cè)①

韓 琳, 吳華瑞, 顧靜秋

(北京農(nóng)業(yè)信息技術(shù)研究中心, 北京 100097) (國(guó)家農(nóng)業(yè)信息化工程技術(shù)研究中心, 北京 100097)(農(nóng)業(yè)部農(nóng)業(yè)信息技術(shù)重點(diǎn)實(shí)驗(yàn)室, 北京 100097) (北京市農(nóng)業(yè)物聯(lián)網(wǎng)工程技術(shù)研究中心, 北京 100097)

全國(guó)各地各個(gè)年份的農(nóng)產(chǎn)品市場(chǎng)價(jià)格數(shù)據(jù)量龐大, 而海量的農(nóng)產(chǎn)品的市場(chǎng)價(jià)格數(shù)據(jù)中無(wú)可避免存在超出市場(chǎng)正常價(jià)格范圍的異常價(jià)格元素, 這對(duì)搜索引擎農(nóng)產(chǎn)品市場(chǎng)價(jià)格的統(tǒng)計(jì)分析與預(yù)測(cè)造成了影響. 從市場(chǎng)價(jià)格大數(shù)據(jù)中發(fā)現(xiàn)離群點(diǎn)并計(jì)算出價(jià)格邊界成為有待解決的問(wèn)題, 為此, 本研究在數(shù)據(jù)挖掘聚類技術(shù)K-means算法的基礎(chǔ)上, 提出了基于K-means聚類的農(nóng)產(chǎn)品市場(chǎng)價(jià)格異常數(shù)據(jù)檢測(cè)并計(jì)算出農(nóng)產(chǎn)品市場(chǎng)價(jià)格邊界, 測(cè)試及實(shí)踐結(jié)果表明該方法提高了聚類的精確率和穩(wěn)定性, 實(shí)現(xiàn)了價(jià)格異常點(diǎn)檢測(cè)與價(jià)格邊界的計(jì)算.

海量農(nóng)業(yè)數(shù)據(jù); 聚類; K-means算法; 離群點(diǎn); 市場(chǎng)價(jià)格; 異常檢測(cè)

1 引言

隨著農(nóng)業(yè)垂直搜索引擎的發(fā)展, 農(nóng)業(yè)大數(shù)據(jù)的分析和處理變得越來(lái)越重要. 搜索引擎提供全國(guó)各個(gè)市場(chǎng)的農(nóng)作物價(jià)格信息, 方便農(nóng)民對(duì)農(nóng)作物市場(chǎng)價(jià)格信息和趨勢(shì)的把握. 但是全國(guó)的農(nóng)產(chǎn)品市場(chǎng)價(jià)格數(shù)據(jù)量龐大, 品種繁多, 海量的價(jià)格信息中可能存在超出市場(chǎng)范圍內(nèi)的異常價(jià)格, 這些少量的異常價(jià)格數(shù)據(jù)會(huì)影響搜索引擎對(duì)農(nóng)產(chǎn)品市場(chǎng)價(jià)格的分析與判斷, 如何使用數(shù)學(xué)分析方法從這些數(shù)據(jù)中檢測(cè)出異常價(jià)格并計(jì)算出每個(gè)品種的市場(chǎng)價(jià)格邊界具有了特殊意義.

目前異常數(shù)據(jù)挖掘方法有基于統(tǒng)計(jì)的方法、基于距離的方法, 基于偏離的方法、基于密度的方法和基于聚類的異常點(diǎn)檢測(cè)算法等. 聚類[1-4]是對(duì)于靜態(tài)數(shù)據(jù)分析的一門(mén)技術(shù), 是通過(guò)靜態(tài)方法將物理或抽象對(duì)象的集合分成由類似的對(duì)象組成多個(gè)類的過(guò)程, 使得同一簇中的對(duì)象之間具有較高的相似度, 而不同簇中的對(duì)象差別很大. 它是分析數(shù)據(jù)并從中發(fā)現(xiàn)有用信息的一種有效手段. 目前常用的聚類算法包括劃分法[5]、層次法[6]、基于密度的方法[7]、基于網(wǎng)格的方法[8]和基于模型的方法[9]. 其中基于劃分方法的Kmeans算法的聚類技術(shù)具有以下特點(diǎn): 產(chǎn)生的離群點(diǎn)集和它們的得分可能非常依賴所用的簇的個(gè)數(shù)和數(shù)據(jù)中離群點(diǎn)的存在性; 聚類算法產(chǎn)生的簇的質(zhì)量對(duì)該算法產(chǎn)生的離群點(diǎn)的質(zhì)量影響非常大, 但該算法發(fā)現(xiàn)離群點(diǎn)是高度有效的, 且因?yàn)槠浜?jiǎn)單、快速處理大規(guī)模數(shù)據(jù)的有效性而得到廣泛的應(yīng)用.

農(nóng)產(chǎn)品市場(chǎng)價(jià)格數(shù)據(jù)信息達(dá)到1300萬(wàn)條以上, 針對(duì)大規(guī)模的市場(chǎng)價(jià)格數(shù)據(jù), 本文提出一種基于K-means的市場(chǎng)價(jià)格計(jì)算方法, 該算法滿足了K-means應(yīng)用數(shù)據(jù)信息龐大的基礎(chǔ), 有效提高了聚類精度, 解決了實(shí)際問(wèn)題.

2 傳統(tǒng)K-means 算法

傳統(tǒng)K-means算法[10-12]的基本思想是: 隨機(jī)地選擇個(gè)對(duì)象, 每個(gè)對(duì)象初始代表了一個(gè)聚類中心, 對(duì)剩余的每個(gè)對(duì)象根據(jù)其與各個(gè)聚類中心的距離, 將它賦給最近的聚類, 然后重新計(jì)算每個(gè)聚類的平均值, 作為新的聚類中心. 不斷重復(fù)這個(gè)過(guò)程, 直到準(zhǔn)則函數(shù)收斂.

其中,為數(shù)據(jù)集中所有對(duì)象的平方誤差和, K-means 算法步驟如下:

① 隨機(jī)選擇個(gè)數(shù)據(jù)元素作為初始聚類中心;

② 計(jì)算每個(gè)數(shù)據(jù)元素與聚類中心的距離, 根據(jù)距離將它們分到距離最近的簇;

③ 重復(fù)計(jì)算每個(gè)聚類中元素的平均值, 更新聚類中心;

④ 重復(fù)②和③, 直到收斂.

3 基于K-means的市場(chǎng)價(jià)格異常數(shù)據(jù)檢測(cè)算法

在傳統(tǒng)Kmeans算法的基礎(chǔ)上, 做了以下改進(jìn): 首先, 選擇初始種子結(jié)點(diǎn). 由于市場(chǎng)價(jià)格需要計(jì)算最小和最大兩個(gè)邊界值, 且依據(jù)數(shù)據(jù)樣本自身分布特點(diǎn), 經(jīng)過(guò)反復(fù)試驗(yàn), 當(dāng)K=3時(shí), 聚類結(jié)果簇?cái)?shù)量比例明顯, 因此確定K值為3[13]. 在選擇初始種子元素時(shí), 將每個(gè)農(nóng)作物品種的價(jià)格數(shù)據(jù)進(jìn)行排序, 選取3個(gè)不同的從小到大排列的價(jià)格元素來(lái)作為種子元素, 以此來(lái)獲取三個(gè)聚類中心構(gòu)成的堆, 分別為最小堆、中間堆和最大堆. 基于離群點(diǎn)檢測(cè)的K-means 算法的基本思想是: 每次聚類完成之后, 然后再利用改進(jìn)后的K-means算法對(duì)最小堆進(jìn)行聚類計(jì)算, 一直向左遍歷, 直到檢測(cè)到最小堆中異常數(shù)據(jù)為止; 當(dāng)檢測(cè)到最小堆中異常價(jià)格數(shù)據(jù)后回到結(jié)點(diǎn), 對(duì)最大堆進(jìn)行聚類計(jì)算, 直到檢測(cè)到最大堆中異常數(shù)據(jù)為止. 如果遍歷4層后依然沒(méi)有找到則停止遍歷. 最后得到一個(gè)類似樹(shù)的結(jié)構(gòu), 算法的思想如圖1所示.

圖1 基于K-means市場(chǎng)價(jià)格邊界算法樹(shù)結(jié)構(gòu)

其中, 針對(duì)市場(chǎng)價(jià)格數(shù)據(jù), 應(yīng)用一次K-means算法構(gòu)成一個(gè)結(jié)點(diǎn), 由于K-means算法先將價(jià)格數(shù)據(jù)從小到大排列, 然后圍繞K=3進(jìn)行聚類計(jì)算, 最后聚合生成3個(gè)堆. 因此按照堆中價(jià)格大小, 把這三個(gè)堆分為最小堆、中間堆和最大堆. 堆與堆之間離群點(diǎn)數(shù)據(jù)的偏離程度則通過(guò)計(jì)算價(jià)格個(gè)數(shù)的比值,,,,,,和來(lái)體現(xiàn). 分別計(jì)算()和()的值, 如果()大于一定的閾值, 檢測(cè)出最小堆的異常數(shù)據(jù), 獲得最小價(jià)格邊界, 同理, 如果()大于一定的閾值, 則檢測(cè)出最大異常數(shù)據(jù), 獲得最大價(jià)格邊界. 其中,,,和的計(jì)算公式相同, 均為父結(jié)點(diǎn)最大堆和中間堆數(shù)量之和與最小堆的數(shù)量之比;,,和的計(jì)算公式相同, 均為父結(jié)點(diǎn)最小堆和中間堆數(shù)量之和與最大堆的數(shù)量之比. 經(jīng)過(guò)反復(fù)試驗(yàn), 閾值界定為78.3. 即當(dāng)()或者()大于閾值78.3, 即表示價(jià)格超過(guò)了異常數(shù)據(jù)范圍.

算法具體步驟如下:

① 對(duì)某個(gè)農(nóng)作物品種價(jià)格進(jìn)行排序, 選取3個(gè)不同數(shù)據(jù)對(duì)象作為初始聚類中心;

② 計(jì)算其他數(shù)據(jù)對(duì)象與選取的數(shù)據(jù)對(duì)象間的距離;

③ 計(jì)算每個(gè)非離群點(diǎn)數(shù)據(jù)對(duì)象與聚類中心的距離, 根據(jù)距離將對(duì)象劃分到距離最近的聚類;

④ 重復(fù)計(jì)算每個(gè)聚類中對(duì)象的平均值, 更新聚類中心;

⑤ 重復(fù)③和④, 直到準(zhǔn)則函數(shù)E收斂;

⑥ 統(tǒng)計(jì)最大堆、中間堆和最小堆的價(jià)格數(shù)據(jù)個(gè)數(shù);

⑦ 程序從根結(jié)點(diǎn)向左遍歷, 計(jì)算最大堆與中間堆價(jià)格個(gè)數(shù)與最小堆得個(gè)數(shù)之比, 重復(fù)以上過(guò)程, 將以上比值相加, 超過(guò)一定閾值則找到最小價(jià)格異常點(diǎn);

⑧ 再?gòu)母Y(jié)點(diǎn)向右遍歷, 計(jì)算最小堆和中間堆價(jià)格數(shù)據(jù)個(gè)數(shù)與最大堆個(gè)數(shù)之比. 重復(fù)以上過(guò)程, 將這些比值相加, 超過(guò)一定閾值則找到最大價(jià)格異常點(diǎn).

算法描述如下. 以下代碼使用Java程序編寫(xiě), 其中KMeans類封裝K-means算法, Cluster方法實(shí)現(xiàn)對(duì)數(shù)據(jù)集排序并以=3來(lái)聚合計(jì)算.

Step 1. 首先使用K-means算法將數(shù)據(jù)處理變成數(shù)組.

= new KMeans().cluster(,);

=;

= getBorderPrice(,);

//統(tǒng)計(jì)每個(gè)簇的個(gè)數(shù)、最小和最大值到t數(shù)組

Step 2. 循環(huán)迭代左邊界

int=1;

double=0.0;

while(!=5){

if([0][0]>0){

//如果個(gè)數(shù)比值之和大于閾值78.3退出循環(huán)

if(>=100) {

min =[1][1];

break;

}

if([0][1] = =[0][2]){

//最大最小值相等則無(wú)法繼續(xù)聚類跳出循環(huán)

min =[0][1];

break;

}

if(= = 4){

//迭代4次還未找到異常數(shù)據(jù)跳出循環(huán)

min =[0][1];

break;

}

= new KMeans().cluster([0],);

//對(duì)左邊界繼續(xù)聚類計(jì)算

= getBorderPrice(,);

++;

//計(jì)算中間堆和最大堆個(gè)數(shù)與最小堆數(shù)量比值之和

=+ ([1][0] +[2][0])/[0][0];

}

Step 3. 與Step 2同理循環(huán)迭代計(jì)算右邊界.

4 農(nóng)業(yè)市場(chǎng)價(jià)格異常數(shù)據(jù)分析

在部署好的環(huán)境中進(jìn)行相關(guān)的實(shí)驗(yàn), 驗(yàn)證本文提出的基于K-means農(nóng)產(chǎn)品市場(chǎng)價(jià)格異常數(shù)據(jù)檢測(cè)方法, 本文實(shí)驗(yàn)環(huán)境為: CPU為Intel i5-4590(3.3GHZ)、內(nèi)存為8GB、操作系統(tǒng)為Window7, 編程語(yǔ)言為Java. 農(nóng)產(chǎn)品市場(chǎng)價(jià)格數(shù)據(jù)包括副食品、瓜果、糧棉油糖、蔬菜和水產(chǎn)品等類別, 全國(guó)各個(gè)省市地區(qū)歷年的農(nóng)產(chǎn)品市場(chǎng)價(jià)格數(shù)據(jù), 例如茄子、生姜、芹菜、山藥、大蔥、雞蛋、牛肉、白鰱活魚(yú)、粳米、菠菜、蘋(píng)果、和菠蘿等11914個(gè)品種的1300萬(wàn)條市場(chǎng)價(jià)格數(shù)據(jù), 測(cè)試與驗(yàn)證本文改進(jìn)K-mean算法實(shí)現(xiàn)統(tǒng)計(jì)市場(chǎng)價(jià)格邊界計(jì)算方法針對(duì)某個(gè)品種算法準(zhǔn)確性以及隨著不同品種數(shù)據(jù)量的增加時(shí)算法查找異常價(jià)格點(diǎn)的準(zhǔn)確性.

4.1 白鰱活魚(yú)價(jià)格異常數(shù)據(jù)檢測(cè)與分析

以上述農(nóng)產(chǎn)品市場(chǎng)價(jià)格數(shù)據(jù)信息水產(chǎn)品類別中白鰱活魚(yú)為例檢測(cè)算法. 全國(guó)各地各個(gè)批發(fā)市場(chǎng)歷年的白鰱活魚(yú)市場(chǎng)價(jià)格數(shù)據(jù)組成數(shù)據(jù)對(duì)象集, 該集合包含50447條記錄.

輸入: 全國(guó)各地各個(gè)批發(fā)市場(chǎng)歷年的數(shù)據(jù)白鰱活魚(yú)50447個(gè)數(shù)據(jù)對(duì)象集和聚類數(shù)=3, 將數(shù)據(jù)對(duì)象集合中的價(jià)格數(shù)據(jù)提取到數(shù)組中, 以便下一步算法的處理和應(yīng)用. 其中價(jià)格單位均為元/公斤.

表1 白鰱活魚(yú)數(shù)據(jù)集

輸出: 遍歷樹(shù)結(jié)構(gòu)中每個(gè)結(jié)點(diǎn)最小堆、中間堆和最大堆的價(jià)格數(shù)據(jù)數(shù)目、最小值和最大值, 由于a+b+c+d=21.2<閾值78.3, 則未找到最小異常數(shù)據(jù), 最小邊界是2.2, 由于e+f=841>閾值78.3, 則找到最大異常數(shù)據(jù)600-620, 從而得到最大邊界是72. 由以上過(guò)程可以得到白鰱活魚(yú)的最小邊界值: 2.2, 最大邊界值: 72.0. 實(shí)驗(yàn)結(jié)果、最小堆和最大堆的層次迭代如下表2和表3所示. 最終得到的最小和最大邊界以及異常數(shù)據(jù)如表4所示. 其中價(jià)格單位為元/公斤.

表2 最小堆層次迭代過(guò)程

表3 最大堆層次迭代過(guò)程

表4 白鰱活魚(yú)價(jià)格邊界以及異常數(shù)據(jù)

4.2 農(nóng)產(chǎn)品價(jià)格異常數(shù)據(jù)批量檢測(cè)與分析

采用基于K-means聚類的農(nóng)產(chǎn)品市場(chǎng)價(jià)格異常數(shù)據(jù)檢測(cè)方法對(duì)農(nóng)產(chǎn)品市場(chǎng)價(jià)格數(shù)據(jù)信息進(jìn)行批量計(jì)算與分析, 全國(guó)各地各個(gè)省市批發(fā)市場(chǎng)農(nóng)產(chǎn)品市場(chǎng)價(jià)格數(shù)據(jù)如表5所示, 計(jì)算出的市場(chǎng)價(jià)格邊界表以及異常價(jià)格數(shù)據(jù)如表6所示. 從海量品種中計(jì)算異常數(shù)據(jù), 經(jīng)過(guò)反復(fù)測(cè)試, 閾值78.3能很好地統(tǒng)計(jì)海量品種的異常數(shù)據(jù), 針對(duì)白蘿卜, 有一條價(jià)格數(shù)據(jù)32缺漏沒(méi)有記為異常數(shù)據(jù), 對(duì)于這條數(shù)據(jù), 右邊界計(jì)算時(shí)e+f+g+h<閾值78.3時(shí), 該數(shù)據(jù)是正常數(shù)據(jù), 但其實(shí)它是異常的, 我們認(rèn)為它是缺漏異常數(shù)據(jù), 誤判數(shù)據(jù)則是本應(yīng)為正常數(shù)據(jù), 而被誤判為異常數(shù)據(jù). 本文實(shí)現(xiàn)的算法數(shù)據(jù)量統(tǒng)計(jì)如表7所示. 其中價(jià)格單位為元/公斤.

表5 農(nóng)產(chǎn)品市場(chǎng)價(jià)格表

表6 農(nóng)產(chǎn)品異常價(jià)格數(shù)據(jù)表

表7 算法準(zhǔn)確度統(tǒng)計(jì)表

4.3 本文實(shí)現(xiàn)的算法與傳統(tǒng)K-means算法對(duì)比實(shí)驗(yàn)

本文實(shí)現(xiàn)的算法相比傳統(tǒng)K-means算法做了以下改進(jìn): 針對(duì)初始數(shù)據(jù)進(jìn)行排序, 選擇三個(gè)不同的從小到大排列的數(shù)據(jù)作為種子結(jié)點(diǎn), 避免選擇離群點(diǎn)作為初始聚類中心, 構(gòu)造出三個(gè)堆以從小到大順序排列的堆, 方便了邊界價(jià)格的檢索與計(jì)算. 分別統(tǒng)計(jì)在不同數(shù)量級(jí)別本文實(shí)現(xiàn)的算法與傳統(tǒng)K-means算法在對(duì)市場(chǎng)價(jià)格數(shù)據(jù)進(jìn)行聚合計(jì)算時(shí), 兩個(gè)算法計(jì)算的準(zhǔn)確率, 如下圖2所示, 橫坐標(biāo)表示數(shù)據(jù)集農(nóng)產(chǎn)品市場(chǎng)價(jià)格數(shù)據(jù)規(guī)模, 縱坐標(biāo)表示異常價(jià)格檢測(cè)的準(zhǔn)確度, 本文實(shí)現(xiàn)的算法隨著農(nóng)產(chǎn)品市場(chǎng)價(jià)格數(shù)據(jù)集中數(shù)據(jù)規(guī)模的增大, 逐漸呈現(xiàn)出穩(wěn)定增長(zhǎng)的趨勢(shì). 而傳統(tǒng)K-means算法則因?yàn)榫垲愔行牡牟环€(wěn)定影響了結(jié)果的穩(wěn)定性.

圖2 本文算法與傳統(tǒng)K-means對(duì)比圖

5 結(jié)語(yǔ)

針對(duì)農(nóng)業(yè)搜索引擎的數(shù)據(jù)庫(kù)中農(nóng)產(chǎn)品數(shù)據(jù)信息龐大的特點(diǎn), K-means算法快速、簡(jiǎn)單, 對(duì)大數(shù)據(jù)集有較高的效率并且是可伸縮性的, 時(shí)間復(fù)雜度近于線性, 非常適合挖掘大規(guī)模數(shù)據(jù)集. 因此, 為解決根據(jù)已有海量的農(nóng)產(chǎn)品市場(chǎng)價(jià)格數(shù)據(jù)來(lái)檢索異常價(jià)格和計(jì)算價(jià)格邊界的問(wèn)題, 本文采用數(shù)據(jù)挖掘聚類技術(shù)K-means技術(shù)進(jìn)行分析, 改進(jìn)傳統(tǒng)K-means算法并提出了基于K-means的農(nóng)產(chǎn)品市場(chǎng)價(jià)格異常數(shù)據(jù)檢測(cè)方法. 實(shí)驗(yàn)結(jié)果表明, 改進(jìn)的算法可以很好地篩選出離群點(diǎn)數(shù)據(jù), 找到異常價(jià)格元素從而獲得農(nóng)產(chǎn)品市場(chǎng)價(jià)格邊界. 目前該算法已經(jīng)應(yīng)用于農(nóng)業(yè)智能搜索引擎市場(chǎng)價(jià)格分析模塊, 效果顯著.

1 數(shù)據(jù)挖掘概念與技術(shù).范明,孟小峰譯.北京:北京機(jī)械工業(yè)出版社,2010.

2 傅德勝,周辰.基于密度的改進(jìn)K均值算法及實(shí)現(xiàn).計(jì)算機(jī)應(yīng)用,2011,31(2):432–434.

3 劉偉,劉露,陳犖等.基于離群點(diǎn)檢測(cè)的K-means算法.渤海大學(xué)學(xué)報(bào),2014,(1):34–38,48.

4 蔣盛益,李慶華.一種增強(qiáng)的K-means聚類算法.計(jì)算機(jī)工程與科學(xué),2006,(11):56–59.

5 黃韜,劉勝輝,譚艷娜.基于K-means聚類算法的研究.計(jì)算機(jī)技術(shù)與發(fā)展,2011,21(7):54–57.

6 汪中,劉貴全,陳恩紅.一種優(yōu)化初始中心點(diǎn)的K-means算法.模式識(shí)別與人工智能,2009,22(2):299–304.

7 Khan SS, Ahmad A. Cluster center initialization algorithm for K-means clustering. Pattern Recogintion Letters(S0167- 8655), 2004, 25(11): 1293–1320.

8 MacQueen. Some methods for classification and analysis of multivariate observationsC. Proc. of the 5th Berkeley Symposium on Mathematical Statistics and Probability. Berkeley. University of California Press. 1967.

9 應(yīng)磊,王儒敬.異常農(nóng)產(chǎn)品價(jià)格數(shù)據(jù)檢測(cè).計(jì)算機(jī)系統(tǒng)應(yīng)用,2010,19(4):178–179.

10 韓凌波,王強(qiáng),蔣正鋒,等.一種基于改進(jìn)的K-means初始聚類中心選取算法.計(jì)算機(jī)工程與應(yīng)用,2010,46(17):150–153.

11 張玉芳,毛嘉莉,熊忠陽(yáng).一種改進(jìn)的K-means算法.計(jì)算機(jī)應(yīng)用,2003,8(23):31–34.

12 Elio L, Edgar A. Parallel algorithms for distance-based and densit-based outliers C. Proc of International Conference on IEEE. 2005. 767–776.

13 張健沛,楊悅,楊靜,等.基于最優(yōu)劃分的K-Means 初始聚類中心選取算法.系統(tǒng)仿真學(xué)報(bào),2009,21(9):2586–2590.

Abnormal Agricultural Price Data Detection Based on K-Means Clustering

HAN Lin, WU Hua-Rui, GU Jing-Qiu

(Beijing Agricultural Information Technology Research Center, Beijing 100097, China)(National Engineering Research Center for Information Technology in Agriculture, Beijing 100097, China)(Key Laboratory of Agricultural Information Technology of Ministry of Agriculture, Beijing 100097, China)(Research Center of Beijing Agricultural IOT Engineering Technology, Beijing 100097, China)

Vertical search engine of the ministry of agriculture needs to collect the market price data of agricultural products in various years from all over the country. It can not be avoided that the massive agricultural market price data has abnormal price point, which has an impact on the analysis and forecast of the agricultural market price. It needs to be solved to find market price data outliers and calculates the price boundary. Therefore, on the basis of the traditional data mining clustering K-means algorithm, this study achieves the outlier data detection and calculation of the boundary of the price of agricultural products, test and practice results show that the method improves the clustering accuracy and stability and achieves the calculation of the price of outlier detection and border price.

massive agricultural data; clustering; K-means algorithm; outlier; market price; abnormal detection

國(guó)家科技支撐計(jì)劃(2013BAJ10B15)

2016-06-16;

2016-07-25

[10.15888/j.cnki.csa.005641]