%0 Journal Article
%T 一种基于密度和网格的高效聚类算法
%A 刘章雄
%A 刘宴兵
%A 罗来明
%J 重庆邮电大学学报(自然科学版)
%D 2010
%X 聚类已成为数据挖掘的主要方法之一，能够帮助人们在大量的数据中发现隐藏信息。目前最具典型的密度聚类算法是DBSCAN(density-basedspatialclusteringofapplicationswithnoise)，它能够在空间数据库中很好地发现任意形状的簇并有效地处理噪声，但是它的计算复杂度相对较大。因此，采用划分数据集和聚簇合并方法，提出了一种基于密度和网格的高效聚类算法DGCA，并通过人工合成数据集和真实数据集对该聚类算法进行理论验证。实验结果表明该算法在效率性能和质量方面比DBSCAN都得到了提高。
%K 密度聚类
%K 网格聚类
%K DBSCAN
%K 聚类合并
%U http://journal.cqupt.edu.cn/jcuptnse/jcuptnse/ch/reader/view_abstract.aspx?file_no=20100226&flag=1