邻域平衡密度聚类算法

被引：21

作者：

武佳薇

李雄飞

孙涛

李巍

机构：

[1] 符号计算与知识工程教育部重点实验室(吉林大学)

来源：

计算机研究与发展 | 2010年 / 47卷 / 06期

关键词：

投影点; 邻域平衡; 平衡核心对象; 边界稀疏对象; 基于密度的聚类算法;

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分析手段.在分析核心对象与其邻域对象的分布特征后,引入对象的投影点,对象的邻域平衡、平衡核心对象、边界稀疏对象等概念.提出一种新的基于密度的聚类算法bDBSCAN(balance-DBSCAN).算法将核心对象邻域中的对象投影,进行向量单位化,考察核心对象的邻域平衡性,将与平衡核心对象平衡密度可达的对象聚成一个簇.理论分析和实验结果表明,算法可以处理任意形状的簇,有效地排除边界稀疏对象这类噪声,并且可以解决高维数据聚类边界区分不明显、噪声对象多等问题,提高了聚类精度.算法的时间复杂度与DBSCAN近似.

引用

页码：1044 / 1052

页数：9

共 4 条

[1] k-LDCHD——高维空间k邻域局部密度聚类算法
倪巍伟
孙志挥
陆介平
[J]. 计算机研究与发展, 2005, (05) : 784 - 791
[2] 一种基于参考点和密度的快速聚类算法
马帅
王腾蛟
唐世渭
杨冬青
高军
[J]. 软件学报, 2003, (06) : 1089 - 1095
[3] 基于数据分区的DBSCAN算法
周水庚
周傲英
曹晶
[J]. 计算机研究与发展, 2000, (10) : 1153 - 1159
[4] Density-based clustering in spatial databases: The algorithm GDBSCAN and its applications
Sander, J
Ester, M
Kriegel, HP
Xu, XW
[J]. DATA MINING AND KNOWLEDGE DISCOVERY, 1998, 2 (02) : 169 - 194

← 1 →