一种新的基于密度的自适应取样聚类算法.pdfVIP

一 种 新 的 基 于 密 度 的 自适 应 取 样 聚 类 算 法 刘嘉嘉 !杜 习英 合肥工业大学 管理科学与工程 $安徽 合肥 !(% 摘要 空 间数据 聚类是一种很重要的数据挖掘技术 它可 以从大量 的空 间数据 中提取到知识 并且有着广泛 的用途 空 间数据库里 的 $ $$ 数据分布对 聚类 结果 的影 响很大 很少有算法在 聚类 时考虑 到 了空 间数据 的分布 在本文 中 提 出了一种新 的 自适应基于密度 的取样 聚 $ %$ 类算法 它可 以根据 空 间数据 的分布 对一个 中心点 自适应 的选取近邻 并对这些近邻 )*+,-./0/123450567328$9/7507/:1;36=;725?36@$ $ $ 点进 行取样 扩展 有效提高 了聚类分析 的准确性和效率 本文结尾部分 对模拟数据进 行 了一系列 的实验 对其和 算法做 了比 $$ %$ $*+,-)A 较 $证 明了 )*+,-的优越性 % 关键词 聚类 ’密度 ’取样 ’自适应 ’’空 间数据 *+,-)A 中图分类 号 文献标识码 文 章编号 #$%!’!()%**+,-)!*,.)% ’/01’2345670809:65;)3:02=34?69@A?B:50C69@’?@DC65E BCDE3/$F3/G*DH3$836 .,=IJJ;JKL/6/5:562GM5K53D6345?7328JKN5=I6J;J8GM5K53!(%G-I36/@ ’:5C3F5G,1/=3/;0/2/=;725?3637J65JK2I53:1J?2/620/2/:363625=I63O57G32=/65P2?/=2Q6JR;505K?J:;/?5/:J62JK71/=3/;0/2/G /6032I/74/?3J7/11;3=/23J6G2I50372?3923J6JK2I5J9F5=273671/=3/;0/2/9/75I/77363K3=/625KK5=2J62I5?57;27JK=;725?36GK5RJK/;J?32I:7 =J67305?2I50372?3923J6JKJ9F5=27RI3;51?J=57736=;725?7SC62I371/15?GR512KJ?R/?0/65R/;J?32I:)*+,-T/0/123450567328$9/7507/:! 1;36=;725?36UG32=/675;5=2653I9J?7/0/12345;8/==J?0362J2I50372?3923J6JK71/=3/;0/2/G/60=IJJ757/:1;57K?J:2I37653I9J?72J5P! 2560G32=/63:1?J452I55KK3=356=8/60/==?/=8JK2I5=;725?36SC62I5560JK2I371/15?GV50J7J:55P15?3:5627J6723:;/620/2/S)=J:! 1/?37J6R32I*+,-)A7IJR72I5715?3J?328JKJ?65R/;J?32I:S H0;1DC2:G=;725?36W0567328W7/:1;36W*+,-)AW71/=3/;0/2/ !引言 定义 %$7直接密度可达6对于给定 的 89:.;5#345和数据 点 4! 从对 象 可 以直接密度可达 !需要满 聚类分析方法是数据挖掘 的手段 之一 聚 类是将数据对 象分 H7D9C=L;MND=:59;NOC=FL?F@M=4 !