一种基于网格增量聚类算法.docVIP

一种基于网格的增量聚类算法 　　摘 要：分析了现有基于网格的聚类算法，该算法具有高效且可以处理高维数据的特点，但传统网格聚类算法的聚类质量受网格划分的粒度影响较大。为此，提出了一种基于网格的增量聚类算法IGrid。IGrid算法具有传统网格聚类算法的高效性，且通过维度半径对网格空间进行了动态增量划分以提高聚类的质量。在真实数据集与仿真数据集上的实验结果表明，IGrid算法在聚类准确度以及效率上要高于传统的网格聚类算法。 　　关键词：增量;聚类;网格;数据挖掘 　　中图分类号：TP311文献标志码：A 　　文章编号：1001-3695(2009)06-2038-03 　　doi:10.3969/j.issn.1001-3695.2009.06.011 　　 　　Incremental clustering algorithm based on grid 　　YIN Gui-sheng,YU Xiang,NING Hui 　　(Dept. of Computer Science Technology, Harbin Engineering University, Harbin 150001, China) 　　Abstract:This paper analyzed the existing clustering algorithms based on grid,and the clustering algorithms based on grid had the advantages of dealing with high dimensional data and high efficiency. However, traditional algorithms based on grid were influenced greatly by the granularity of grid partition.It proposed an incremental clustering algorithm based on grid, which was called IGrid.IGrid had the advantage of high efficiency of traditional clustering algorithms based on grid, and it also partitioned the grid space by dimensional radius in a dynamic and incremental manner to improve the quality of clustering.The experiments on real datasets and synthetic datasets show that IGrid has better performance than traditional clustering algorithms based on grid in both speed and accuracy. 　　Key words:incremental; clustering; grid; data mining 　　 　　0 引言?? 　　 　　聚类分析是数据挖掘领域中的一项重要的研究课题。聚类分析可以作为一个独立的工具来获得数据分布的情况，此外，也可以将聚类分析作为其他算法的预处理步骤。传统的基于网格的聚类算法的主要优点是处理速度快,其处理时间独立于数据对象的数目, 仅依赖于量化空间中每一维上的单元数目 　　[1，2]。?? 　　基于网格的聚类算法中，有代表性的包括：STING，它利用了存储在网格单元中的统计信息；WaveCluster，它用一种小波转换方法来聚类数据对象；CLIQUE，它是在高维数据空间中基于网格和密度的聚类方法。?? 　　STING是一种基于网格的多分辨率聚类技术，它将空间区域划分为矩形单元。针对不同级别的分辨率，通常存在多个级别的矩形单元，这些单元形成了一个层次结构，并对每个网格单元属性的统计信息预先进行了计算和存储。STING的效率很高，对于n个数据对象，在层次结构建立后，形成m个最低层网格单元，其产生聚类的时间复杂度为O(n)。其查询处理时间是O(m)。STING聚类的质量取决于网格结构最低层的粒度。如果网格结构最低层的粒度较细，则处理的代价会增加，在数据集的维度较高时尤为明显；如果网格结构最低层的粒度太粗，则会降低聚类的质量。?? 　　WaveCluster是一种多分辨率的聚类算法，它首先通过在数据空间上强加一个多维网格结构来汇总数据；然后采用小波变换来变换原特征空间，在变换后的空间中找到