基于网格局部密度的聚类算法.pdfVIP

2011年第3期 林 区教学 No．3 201l 总第 168期 Teaching ofForestry Region GeneralNo．168 基 于 网格 局 部 密 度 的 聚 类 算 法 马 莹 波 (南京信息工程大学 计算机与软件学院，南京210044) 摘 要：为了使基于网格的聚类技术适用于多密度数据集，提出一种基于局部密度的聚类算法。算法提出将数 据单元格密度分类的方法，使得具有不同密度的单元格使用不同密度阈值的进行聚类。同时给出了边界单元的处 理方法以提高聚类结果的精度。实验结果表明，GLD算法比其他类似算法有较高的聚类精度和效率。 关键词 ：聚类 ；基于网格 ；局部密度 ；边界点 中图分类号：TP301．6 文献标志码：A 文章编号 ：1008—6714(2011)03—0095—02 1 引言 2 基于网格的局部密度聚类算法 聚类分析是数据挖掘技术中重要的组成部分，其主要 2．1 相关概念 目的是将数据空间中的数据点划分到若干个类中，其中将 给定一个 d维数据集，其属性 ( ，A：，…，A)都是有 距离相近的数据点划分到相同的类 中，而将距离较远的数 界的，不妨设 i维上的值在区间 ，h]中，i=1，2，…，k，则 据点划分到不同类 中。 S=[z。，h]×[f：，h]×…× ，h]就是k维数据空间。k 基于网格的方法对数据集所分布的空间进行划分 ，生 维数据集X= ， ，…， }表示 ．s上的一个点集，其中 。 成一系列单元格的集合 ，即一个网格结构。所有的聚类操 = 一， …， 表示一个数据点，是数据点 作都在网格上进行 。该类算法的聚类结果的质量独立于 的第．维上的值 。 数据对象的数 目，仅与网格 的大小和密度 阈值有关。所 我们定义一个网格单元的相邻单元是那些与该单元 以，当各个类的数据集的密度分布相对较均匀时，聚类结 格有相邻边界单元，两个单元格，u={尺。，R：，…， }，／,／： 果的质量就较高；反之 ，当各个类的密度分布较分散时，算 = { ，R ，…， }有相邻边界是指 ，存在 k—1个维度有 R，：尺成立，其中J=1，2，…，k，并且对于第 k维有 h= 法聚类结果往往不能很好地反映真实聚类的情况。但是， 或者 =h成立。两个k维单元格，每一格单元的邻居数 在实际应用问题 中，很多样本数据的各个类 的密度往往是 为 2(出于数据空间边界的单元除外)。 不尽相同的，有的甚至差别很大。大多数聚类算法都是致 设数据点 = l，2，…， 及单元 Ci={C1，c2，…， 力于如何发现任意形状和大小的类，但很难有效处理密度 C}，如果对所有的c都满足 z h。，表示 ∈C，单元 差别较大的样本数据。 密度d定义为一个数据集 中属于单元c的数据点的个 Chameleon算法 可以用来处理多密度的数据集 ，但 数。 ： 当数据集较大时其算法的时间复杂度较高；多阶段等密度 如果一个单元 c密度 d大于指