基于网格相对密度差的扩展聚类算法

• 作者: 黄天民 黄红伟
• 来源期刊: 计算机应用研究
• 关键词: 多密度聚类算法 网格相对密度差 扩展聚类 近邻估计法 边界点 模糊函数
• 年，卷（期）: 2014,（6）
• 页码范围: 1702-1705
• 页数: 4页
• 分类号: TP301.6
• 语种: 中文
• DOI: 10.3969/j.issn.1001-3695.2014.06.023

摘要

针对现有的多密度聚类算法对参数依赖性较高、聚类精度较低等问题,提出一种基于网格相对密度差的扩展聚类算法(ECRGDD).首先,该算法给出一种网格划分方法,通过统计数据点的分布情况选取相对密集区域,采用近邻估计法计算网格划分大小的标准;接着,提出网格相对密度差的概念,根据网格密度值选取初始单元,通过计算网格之间的相对密度差围绕初始单元进行扩展聚类;最后,给出边界点提取技术,采用构建模糊函数的方法对边界单元进行处理.实验结果表明,该算法能有效地对不规则、多样化分布的数据集进行聚类,并能较好地分离出噪声,聚类精度较高.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	黄天民	西南交通大学数学学院	82	362	11.0	14.0
2	黄红伟	西南交通大学电气工程学院	7	78	5.0	7.0