共 1 条
k-LDCHD——高维空间k邻域局部密度聚类算法
被引：14
作者：
倪巍伟
孙志挥
陆介平
机构：
[1] 东南大学计算机科学与工程系
来源：
基金：
高等学校博士学科点专项科研基金;
关键词：
k邻域半径;
双参考数据点;
参考半径;
高维空间;
D O I：
暂无
中图分类号：
TP311.13 [];
学科分类号：
1201 ;
摘要：
聚类是数据挖掘领域的一项重要课题,高维空间聚类以数据分布稀疏、噪声数据多、“差距趋零现象”而成为难点.在分析现有聚类算法不足的基础上,引入k邻域点集、k邻域半径等概念,提出一种高维空间单参数k邻域局部密度聚类算法kPCLDHD;为了提高算法的效率,进一步定义了参考距离等概念,并采用“双参考数据点”对数据集中的数据对象进行预处理,以减少扫描数据集的开销,提出kPCLDHD的优化算法kLDCHD.理论分析和实验结果表明,算法可以有效解决高维空间聚类问题,算法是有效可行的.
引用
收藏
页码：784 / 791
页数：8
相关论文