扩散模式的聚类算法研究

被引：1

作者：

黄俊恒 ^{[1
]}

孙玉山 ^{[2
]}

朱东杰 ^{[2
]}

机构：

[1] 哈尔滨工业大学(威海)计算机与科学技术学院

[2] 哈尔滨工业大学(威海)软件学院

来源：

计算机工程与应用 | 2011年 / 02期

关键词：

聚类; 数据挖掘; 扩散模式;

D O I：

暂无

中图分类号：

TP311.13 [];

学科分类号：

摘要：

针对各种扩散模式数据点分布的聚类问题,提出了一种基于密度变化的聚类算法(CDD)。CDD采用基于密度的典型聚类算法(DBSCAN)寻找核心点,通过分析数据样本及其周围点密度的扩散规律,计算密度扩散的方向、速度和加速度,对数据样本进行聚类。实验结果表明:与DBSCAN相比,能准确对扩散模式数据进行聚类,对非扩散模式数据具有抗噪声干扰能力强,参数较易确定的优点。

引用

页码：121 / 123

页数：3

共 4 条

[1]

一种基于密度聚类的小生境差分进化算法 [J].

张航 ;

王伟 ;

郑玲 ;

李丹丹 ;

熊富强 .

计算机工程与应用, 2008, (23) :42-45

[2]

屏蔽了输入参数敏感性的DBSCAN改进算法 [J].

蔡颖琨 ;

谢昆青 ;

马修军 .

北京大学学报(自然科学版), 2004, (03) :480-486

[3]

Cluster center initialization algorithm for K -means clustering[J] Shehroz S. Khan;Amir Ahmad Pattern Recognition Letters 2004,

[4]

Approaches for scaling DBSCAN algorithm to large spatial databases[J] Aoying Zhou;Shuigeng Zhou;Jing Cao;Ye Fan;Yunfa Hu Journal of Computer Science and Technology 2000,

← 1 →