数据挖掘2015最新精品课程完整课件(第15讲)---基于网格的聚类算法.pptVIP

STING:统计信息网格 优点如下： 计算是独立于查询的； 有利于并行处理和增量更新； 效率很高。 STING算法扫描数据库一次来计算单元的统计信息，因此产生聚类的时间复杂度是o(n)，其中n是对象的数目。在层次结构建立后，查询处理时间是，这里g是最低层网格单元的数目o(g)，通常远小于n。 * STING:统计信息网格 缺点如下： 如果粒度比较细，处理的代价会显著增加；但是，如果网格结构最低层的粒度太粗，将会降低聚类分析的质量； 在构建一个父亲单元时没有考虑孩子单元和其相邻单元之间的关系，因此，结果簇的形状是isothetic，即所有的聚类边界或者是水平的，或者是竖直的，没有斜的分界线。 尽管该技术有快速的处理速度，但可能降低簇的质量和精确性 * CLIQUE :一种类似于Apriori的子空间聚类方法 CLICQUE算法是基于网格的空间聚类算法，但它同时非常好地结 合了基于密度的聚类算法思想，因此既可以像基于密度的方法发现任意形状的簇，又可以像基于网格的方法处理较大的多维数据集。 CLIQUE把每个维划分成不重叠的区间，从而把数据对象的整个嵌入空间划分成单元。它使用一个密度阀值识别稠密单元，一个单元是稠密的，如果映射到它的对象超过该密度阀值 * CLIQUE :一种类似于Apriori的子空间聚类方法 算法概述： 算法需要两个参数值，一个是网格的步长，