全部 标题 作者
关键词 摘要

OALib Journal期刊
ISSN: 2333-9721
费用:99美元

查看量下载量

相关文章

更多...

相交网格下基于最优划分的多密度梯度网格聚类算法

Keywords: 网格聚类,参数半自动化,最优划分,相交网格,多密度梯度,算法

Full-Text   Cite this paper   Add to My Lib

Abstract:

为解决网格聚类算法中对参数过于敏感、无法自动识别不同密度梯度类以及不同梯度类间划分不够精确等问题,提出了相交网格下基于最优划分的多密度梯度网格聚类算法(OPMDG).该算法只需用户输入一个大致的密度阀值范围,网格边长自动计算并可自动调节适应,减少了算法对参数的敏感性;提出了二重划分技术,可挖掘不同密度梯度的类;对于处于不同类上的交界点,引入了电荷间吸引力的概念,能有效解决类间聚类精度不高等问题.实验结果表明该算法是有效的.

References

[1]  Rakesh Agrawal, Johannes Gehrke, Dimitrios Gunopulos, et al. Automatic subspace clustering of high dimensional data for data mining applications[J]. SIGMOD Conference, 1998:94-105. [2] 邱保志,沈钧毅.基于网格技术的高精度聚类算法[J].计算机工程,2006,32(3). [3] Wang W, Yang J, STIN R Muntz. A Statistical information grid approach to spatial data[C]. Proceedings of the 23rd VLDB Conference,Morgan Kaufmann,1997:186-195. [4] 邱保志,郑智杰. 基于局部密度的动态生成网格聚类算法[J].计算机工程与设计,2010,31(2). [5] ZHAO Yanchang, SONG Junde. A grid-based density-isoline clustering algorithm [J] // zhong YC, Cui S, Yang Y. Proc. of the Internet Conf. on lnfo-Net. Beijing: IEEE Press, 2001:140-145. [6] Ho Seok Kim, Song Gao, Ying Xia, et al. DGCL: An efficient density and grid based clustering algorithm for large spatial Database[C].WAIM 2006, LNCS4016,2006:362-371. [7] Bao-zhi Qiu,Xiang-li Li, Jun-yi Shen. Grid-based clustering Algorithm based on intersecting partition and density estimation[C]. PAKDD, 2007:368-377. [8] 邱保志,沈均毅.基于扩展和网格的多密度算法[J]. 控制与决策,2006(9):1011-1014. [9] 岳士弘,王正友.二分网格聚类方法及有效性[J].计算机研究与发展,2005,42(9):1505-1510.

Full-Text

Contact Us

service@oalib.com

QQ:3279437679

WhatsApp +8615387084133