一种基于密度的分布式聚类算法

被引:11
作者
郑苗苗
吉根林
机构
[1] 南京师范大学数学与计算机科学学院
关键词
聚类; 分布式聚类; 基于密度的聚类算法(DBSCAN); 分布式聚类算法(DBDC);
D O I
暂无
中图分类号
TP311.13 [];
学科分类号
1201 ;
摘要
对基于密度的分布式聚类算法DBDC(density based distributed clustering)进行改进,提出了一种基于密度的分布式聚类算法DBDC*.该算法在局部筛选代表点时结合贝叶斯信息准则BIC,得到少量精准反映局部站点数据分布的BIC核心点,有效降低了分布式聚类过程中的数据通信量,全局聚类时综合考虑了各站点数据的分布情况.实验结果表明,算法DBDC*的效率优于DBDC,聚类效果好.
引用
收藏
页码:536 / 543
页数:8
相关论文
共 2 条
[1]   基于聚类和分类的个性化文章自动推荐系统的研究 [J].
赵鹏 ;
耿焕同 ;
王清毅 ;
蔡庆生 .
南京大学学报(自然科学版), 2006, (05) :512-518
[2]   Feature weighting in k-means clustering [J].
Modha, DS ;
Spangler, WS .
MACHINE LEARNING, 2003, 52 (03) :217-237