基于区间数的多维不确定性数据UID-DBSCAN聚类算法

• 作者: 魏方圆 黄德才
• 来源期刊: 计算机科学
• 学科: 工学
• 关键词: 不确定性数据 区间数 聚类算法 DBSCAN
• 年，卷（期）: 2017,（z2）
• 所属期刊栏目: 大数据与数据挖掘
• 页码范围: 442-447
• 页数: 6页
• 分类号: TP311.13
• 字数: 8549字
• 语种: 中文

摘要

不确定性数据聚类方法的研究日益受到广泛关注,其中UIDK-means算法与U-PAM算法继承了基于划分算法无法识别任意形状簇和对噪声点敏感的缺陷.FDBSCAN算法事先假定不确定性数据的概率分布函数或概率密度函数是已知的,然而这些信息在实际应用中往往难以获取.针对上述算法的不足,提出一种基于区间数的多维不确定性数据聚类UID-DBSCAN算法.该算法利用区间数结合数据的统计信息合理地表示不确定性数据,采用低计算复杂度的区间数距离函数衡量不确定性数据对象间的相似度,首次提出区间数的密度、密度可达与密度相连等概念,并将其用于扩展簇中,同时结合数据集的统计特征自适应地选取算法的密度参数来实现自动聚类.实验结果表明,UID-DBSCAN算法能够有效识别噪声,处理任意形状簇,具有较高的聚类精度和较低的计算复杂度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	黄德才	浙江工业大学计算机科学与技术学院	127	1618	20.0	35.0
2	魏方圆	浙江工业大学计算机科学与技术学院	1	7	1.0	1.0