基于距离关联性动态模型的聚类改进算法

• 作者: 闫秋艳 陈雄韬
• 来源期刊: 计算机科学与探索
• 学科: 工学
• 关键词: 聚类 任意形状的簇 不同密度的簇 距离关联性 动态模型
• 年，卷（期）: 2016,（2）
• 所属期刊栏目: 人工智能与模式识别
• 页码范围: 248-256
• 页数: 9页
• 分类号: TP301.6
• 字数: 6313字
• 语种: 中文
• DOI: 10.3778/j.issn.1673-9418.1507069

摘要

针对大部分聚类算法无法高效地发现任意形状及不同密度的簇的问题,提出了一种高效的基于距离关联性动态模型的聚类改进算法.首先,为提高聚类效率,使用层次聚类算法对数据集进行初始聚类,并剔除样本点含量过低的簇;其次,为发现任意形状及不同密度的簇,以初始聚类结果的簇的质心作为代表点,利用距离关联性动态模型进行聚类,并利用层次聚类的树状结构进行有效的剪枝计算;最后,检验算法的有效性.实验采用Chameleon数据集进行测试,结果表明,该算法能够有效识别任意形状及不同密度的簇,且与同类算法相比,时间效率有显著的提高.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	闫秋艳	中国矿业大学计算机科学与技术学院	26	129	6.0	10.0
2	陈雄韬	中国矿业大学计算机科学与技术学院	1	0	0.0	0.0