一种能发现自然聚类的聚类算法

• 作者: 孙志伟
• 来源期刊: 计算机应用研究
• 关键词: 数据挖掘 聚类 神经网络 网格 动态模型
• 年，卷（期）: 2009,（8）
• 所属期刊栏目: 算法研究探讨
• 页码范围: 2871-2873
• 页数: 3页
• 分类号: TP301.6
• 语种: 中文
• DOI: 10.3969/j.issn.1001-3695.2009.08.019

摘要

目前的聚类算法如K-means、DBSCAN等,采用全局参数而难以发现数据的自然聚类,提出一种新的分级聚类算法CIuFNC,能够在数据空间中发现内部聚类特征.该算法的参数包括网格大小、噪声阈值和神经节点数量.算法首先根据参数对数据空间划分网格,接着使用高斯影响函数计算每个单元的场强,然后针对网格位置和网格的场强使用SOM进行聚类,最后使用Chameleon算法对SOM聚类得到的神经网络节点的权值进行聚类,并把聚类结果映射回原始数据空间以得到最终聚类结果.理论分析和实验结果证明,该算法能够发现数据空间内更自然的聚类,而且具有较高的执行效率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	孙志伟	天津科技大学计算机科学与信息工程学院	8	41	4.0	6.0