粗糙邻域系统监督下的自适应密度聚类.pdfVIP

维普资讯 小 型 微 型 计 算 机 系 统 2008年 5月 第 5期 JournalofChineseComputerSystems Vo1．29 No．5 2008 粗糙邻域系统监督下的自适应密度聚类 李文海h，冯玉才 ，马晓鸣 ，吕泽华 (武汉大学 经济与管理学院，湖北 武汉 430072) 。(华中科技大学 计算机学院，湖北 武汉 430074) E—mail：1whaymail@21cn．com 摘 要 ：依据OPTICS可视化密度模型计算球形分布对象的密度扩张序列，指数缩减 自适应水平阂值以获取聚类数量和聚类 邻域；基于粗集理论计算各聚类核的上下近似区域，通过该邻域系统实现显式的对象划分方法．依据对象聚类邻域确定聚类数 量和聚类核，以及对象的粗糙近似划分，使得聚类具有密度 自适应和孤点不敏感的特点，取样分析有效提高了算法效率． 关 键 词：近似区域；聚类核；密度聚类；粗集理论；聚类分析 中图分类号：TP311．13 文献标识码：A 文 章 编 号：1000-1220(2008)05—0841—07 AdaptiveDensityClusteringThough SupervisedRoughNeighborhoodSystem LIW en—hai～，FENG Yu—cai。，M A Xiao—ming ，LV Ze-hua。 (Schoolof EconomicsandAdministration，WuhanUniversity，Wuhan430072，China) 。(SchoolofComputerScienceandTechnology。HuazhnogUniversityofScienceandTechnology，Wuhan430074，China) Abstract：Thispapergeneratesthedensitybasedexpandingsequenceofsphere—distributingobjectsonthebasisofOPTICS viewabledensitymodel，andobtainsclusteringnumberandclusteringneighborhoodsbyexponentiallyreducingtheself—adapt- abilitythreshold．Italsoacquiresthelowerandupperapproximationregionsofallclusteringkernelsbasedonroughsettheory， andachievestheexplicitobject-dividingmethodbymeansoftheirneighborhoodsystem．Itdeterminesclusteringnumberand clusteringcoreaccordingtotheclusteringneighborhoodoftheobjectsanddividestheobjectsintermsofroughsetapproxima- tion，SOthatclusteringhasthetraitsofdensitywithself_adaptabilityandacnodeswithnon-sensitivity，andsamplingaccelerates thealgorithmseffectively． Keywords：approximationregions；clusteringcore；densityclustering；roughsettheory；clusteringanalysis 1 引 言 和相对不可辨识聚类 [1。等方法相继被提出，以对象个数为指 标度量对象聚类．基于粗集思想，粗糙一模糊K—Mean[9。D]、模 聚类分析作为知识发现 的一个重要任务 ，其基本设计 目 糊监督的粗糙聚类[1及加权粗糙 K—Mean[1。等方法在聚类 标是求取类 内紧凑、类 问分散 的聚类集．依据对聚类定义的不