基于维度距离的混合属性密度聚类算法研究

被引：3

作者：

吴天虹

黄德才

翁挺

马晨明

机构：

[1] 浙江工业大学信息工程学院

来源：

浙江工业大学学报 | 2009年 / 04期

关键词：

数据挖掘; 聚类; 混合属性; 密度;

D O I：

暂无

中图分类号：

TP301.6 [算法理论];

学科分类号：

摘要：

DBSCAN算法是一种基于密度的聚类算法.针对该算法在处理混合属性数据上的不足,采用面向维度的距离的思想,对不同类型的数据定义不同的相似度度量方法和不同的相似度阈值,减少了对全局相似度阈值的依赖,提出了一种新的适合混合属性数据聚类的算法M-DBSCAN.仿真表明新算法有效解决了DBSCAN算法无法处理混合属性数据的缺点,对混合属性数据有较好的聚类效果.

引用

页码：445 / 448

页数：4

共 5 条

[1] 改进的混合属性数据聚类算法
赵立江
黄永青
刘玉龙
[J]. 计算机工程与设计, 2007, (20) : 4850 - 4852
[2] Using self-similarity to cluster large data sets
Barbará, D
Chen, P
[J]. DATA MINING AND KNOWLEDGE DISCOVERY, 2003, 7 (02) : 123 - 152
[3] Extensions to the k-means algorithm for clustering large data sets with categorical values
Huang, ZX
[J]. DATA MINING AND KNOWLEDGE DISCOVERY, 1998, 2 (03) : 283 - 304
[4] Pattern Recognition Concepts. Methods and Applications. J. P. Marques,Y.F. Wu. Tsinghua University Press . 2002
[5] Data Mining:Concepts＆Techniques. J.Han,M.Kamber. Morgan Kaufmann Publishers . 2001

← 1 →