基于數(shù)據(jù)場的聚類方法研究.pdf_第1頁
已閱讀1頁,還剩62頁未讀 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領(lǐng)

文檔簡介

1、隨著信息化時代的來臨,大量數(shù)據(jù)的產(chǎn)生和收集導(dǎo)致信息大爆炸,數(shù)據(jù)挖掘技術(shù)已成為現(xiàn)在計算機科學的研究熱點。聚類分析是數(shù)據(jù)挖掘中一種重要的挖掘任務(wù)和挖掘方法,使得聚類算法的效率和聚類質(zhì)量在數(shù)據(jù)挖掘中起著至關(guān)重要的作用,也成了計算機科學領(lǐng)域的難題之一。 基于密度的聚類算法是聚類分析的重要分支,以其能夠發(fā)現(xiàn)任意形狀的聚類、能夠有效地處理噪聲數(shù)據(jù)的優(yōu)點在聚類算法中占有很重要的地位。DBSCAN算法是經(jīng)典的基于密度聚類算法,它不但具有基于密度

2、聚類算法的優(yōu)點,而且聚類速度較快。但是該算法也有不足之處:聚類參數(shù)選擇困難;當數(shù)據(jù)集密度分布不均勻時聚類質(zhì)量差;初始聚類對象隨機選擇造成時間浪費;對所有種子對象進行區(qū)域查詢造成時間和內(nèi)存浪費。 為解決DBSCAN算法中存在的問題,作者考慮到數(shù)據(jù)空間中的數(shù)據(jù)并不是獨立的而是有一定的相互影響,結(jié)合數(shù)據(jù)場的思想對DBSCAN算法進行了改進,提出了一種新的基于數(shù)據(jù)場的密度聚類算法——DFDBSCAN。該算法將物質(zhì)粒子間的相互作用及其場的

3、描述方法引入抽象的數(shù)據(jù)空間,利用數(shù)據(jù)空間中數(shù)據(jù)場場勢與數(shù)據(jù)密度分布之間的關(guān)系,對DBSCAN算法幾個不足之處進行了改進。 該算法采用了動態(tài)計算聚類半徑的策略,使得算法在密度分布不均勻的情況下聚類質(zhì)量良好。同時算法還利用了場勢和數(shù)據(jù)空間中數(shù)據(jù)分布密度的之間的關(guān)系對初始聚類對象的選擇和種子對象的選擇問題上進行了改進。使得算法在時間復(fù)雜度與DBSCAN算法相當?shù)那闆r下提高了聚類質(zhì)量,并且在一定程度上提高了算法的執(zhí)行效率,既節(jié)約了時間資

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
  • 6. 下載文件中如有侵權(quán)或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論