一种基于代表点和点密度的聚类算法

• 作者: 陈园园 陈治平
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 数据挖掘 聚类 点密度 代表点 密度阈值
• 年，卷（期）: 2008,（28）
• 所属期刊栏目: 数据库、信号与信息处理
• 页码范围: 136-139
• 页数: 4页
• 分类号: TP181
• 字数: 3651字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.2008.28.046

摘要

针对基于密度的聚类方法不能发现密度分布不均的数据样本的缺陷,提出了一种基于代表点和点密度的聚类算法.算法通过检查数据库中每个点的k近邻来寻找聚类.首先选取一个种子点作为类的第一个代表点,其k近邻为其代表区域,如果代表区域中的点密度满足密度阁值,则将该点作为一个新的代表点,如此反复地寻找代表点.这些区域相连的代表点及其代表区域将构成一个聚类.实验结果表明,该算法能够发现任意形状、大小和密度的聚类.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈治平	湖南大学计算机与通信学院	42	947	18.0	30.0
3	陈园园	湖南大学计算机与通信学院	1	6	1.0	1.0