原创力文档- 1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
- 2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
第 32 卷第 11 期 电 子 与 信 息 学 报 Vol.32No.11
2010 年 11 月 Journal of Electronics Information Technology Nov. 2010
局部显著单元高维聚类算法
宗 瑜①② 李明楚① 徐贯东② 张彦春②
①(大连理工大学软件学院 大连 116621)
②(维多利亚大学信息应用中心 墨尔本 VIC3011)
摘 要：以等宽或随机宽度网格密度单元为基础的高维聚类算法不能保证复杂数据集中的聚类结果的质量。该文在
核密度估计和空间统计理论的基础上，给出一种基于局部显著单元的高维聚类算法来处理复杂数据的高维聚类问
题。该方法以局部核密度估计和空间统计理论为基础定义了局部显著单元结构来捕获局部数据分布；设计了能快速
发现覆盖数据分布的局部显著区域的贪婪算法；对具有相同属性子集的局部显著单元执行 Single-linkage 算法发现
其中的聚类结果。实验结果表明，以局部显著单元为基础的高维聚类算法能够发现复杂数据集中隐含的高质量聚类
结果。
关键词：聚类分析；高维聚类算法；核密度估计；局部显著单元
中图分类号：TP18 文献标识码： A 文章编号：1009-5896(2010)11-2707-06
DOI: 10.3724/SP.J.1146.2009.01589
High Dimensional Clustering Algorithm Based on Local Significant Units
①② ① ② ②
Zong Yu Li Ming-chu Xu Guan-dong Zhang Yan-chun
①
(School of Software, Dalian University of Technology, Dalian 116621, China)
②
(Center of Applied Information, Victoria University, Melbourne VIC3011, Australia)
Abstract: High dimensional clustering algorithm based on equal or random width density grid cannot guarantee
high quality clustering results in complicated data sets. In this paper, a High dimensional Clustering algorithm
based on Local Significant Unit (HC_LSU) is proposed to deal with this problem, based on the kernel estimation
and spatial statistical theory. Firstly, a structure, namely Local Significant Unit (LSU) is introduced by local kernel
density estimation and spatial statistical test; second
文档评论（0）