一种新的基于密度的聚类与孤立点检测算法

• 作者: 刘大任 孙焕良 朱叶丽 牛志成
• 来源期刊: 沈阳建筑大学学报(自然科学版)
• 学科: 工学
• 关键词: 聚类 孤立点 SNN算法 LOF检测算法
• 年，卷（期）: 2006,（1）
• 所属期刊栏目: 信息与控制
• 页码范围: 149-153
• 页数: 5页
• 分类号: TP274
• 字数: 3103字
• 语种: 中文
• DOI: 10.3321/j.issn:1671-2021.2006.01.035

摘要

目的提出一种聚类分析的新算法,解决聚类和同时检测孤立点的问题.方法结合SNN算法和LOF算法给出新算法-SNN-LOF算法原理:(1)建立相似度矩阵;(2)去除噪声;(3)密度;(4)标记核心点;(5)计算每个数据点的lrd值;(6)由核心对象出发来形成一个聚;(7)取出被作为噪声的数据点;(8)计算被定义为噪声数据的LOF值,输出被视为孤立点的数据点.编制算法程序实现聚类和孤立点检测.结果用CURE数据集,DBSCAN聚类算法和SNN聚类算法结果相同,时间消耗是很接近的.但当数据上升到10 000以上时,SNN-LOF算法聚类的效率明显要高于DBSCAN算法,同时也检测到了孤立点.结论 SNN-LOF算法可以在聚类的同时发现孤立点.在大数据量时,SNN-LOF算法的聚类时间效率明显要高于DBSCAN算法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	孙焕良	沈阳建筑大学理学院	60	414	10.0	17.0
2	朱叶丽	沈阳建筑大学信息与控制工程学院	4	18	3.0	4.0
3	牛志成	沈阳建筑大学计算中心	10	84	6.0	9.0
4	刘大任	沈阳建筑大学学报编辑部	27	128	5.0	10.0