使用分形维数实现不同密度区域的聚类研究.pdfVIP

第41卷增刊 计算机研究与发展 v01．41．Suppl 2004年10月 Oct．2004 OFCI)MPUTERRESEARCHANDDEVELOPMENT JOURNAL 使用分形维数实现不同密度区域的聚类 窦志彤1 倪维健2 高永梅2黄亚楼2 1(南开大学信息技术科学学院天津300071) 2(南开大学软件学院天津300071) (d。山itdrlg@rnail．nankai．edu．cn) 摘要提出了对不同密度区域进行聚类的问题，针对这一问题，引入分形理论，介绍丁分形理论在数据挖掘聚类问题 中的应用，提出了一种基于分形维数的对不同密度区域进行聚类的算法FDC．在实现中，FDC算法采用基于网格索引的 分形维数计算方法，与传统的采用树状数据结构的算法相比，该方法极大地降低了搜索空间，节省了运行时间，简化了控 制流程．实验结果表明，FDC算法具有很高的效率，能够得到很好的聚类效果． 关键词分形维数；数据挖掘；聚类 中围法分类号TP311 Different withFractalDimension Clustering DensityRegions DOLT HUANGYa-Lou2 Zhi—Ton91，NIWei．Jian2，GAOYong—Mei2，and Technical 1(CollegeofInformationScience，NankaiUniversity，Tianjin300071) 2(College盯SoftwarP，Nardeai300071) University，Tianjin An of Abstract named dimension toresolvethe algorithmFDC(fractalclustering)isproposed problem the withthesimilar indata FDC indexbasedmethod clusteringregions density space．Inalgorithm，agrid is in thefraetaldimension．Thismethod the and and applied promotestemporalspatial computing efficiency better results totheconventionaltree-likedatastructure． yields experimentcompared wordsffactal Key dimension；datamining；clustering 密度的聚类算法虽然在聚类算法的实现中不以数据 1引 言 对象的空间距离的相互比较作为聚类手段，但是在 聚类结果的解释上仍然认为在空间上接近或混和的 作为一种无监督的学习，聚类分析是数据挖掘 属于同一类． 研究的热点．其根本思想是：把聚类对象按照相似 实际上，空间中距离接近是一种相似，空间区域 性分成若干类，使类内点的差