支持k-离群度的边界点检测方法

被引：7

作者：

王桂芝 ^{[1
]}

李井竹 ^{[1
]}

狄志超 ^{[2
]}

机构：

[1] 河南商业高等专科学校计算机应用系

[2] 郑州大学信息工程学院

来源：

计算机工程与应用 | 2011年 / 33期

关键词：

聚类; 边界点; k-近邻距离; k-离群度; 边界因子;

D O I：

暂无

中图分类号：

TP311.13 [];

学科分类号：

1201 ;

摘要：

边界是一种有用的模式,为了有效识别边界,根据边界点周围密度不均匀,提出了一种边界点检测算法——BDKD。该算法用数据对象的k-近邻距离与其邻域内数据对象的平均k-近邻距离之比定义其k-离群度,当k-离群度超过阈值时即确定为边界点。实验结果表明,BDKD算法可以准确检测出各种聚类边界,并能去除噪声,特别是对密度均匀的数据集效果理想。

引用

页码：140 / 142

页数：3

共 4 条

[1] 具有聚类功能的边界检测技术的研究 [J].