不确定数据的最优?? 近邻和局部密度聚类算法
CSTR:
作者:
作者单位:

浙江工业大学计算机科学与技术学院,杭州310023.

作者简介:

陆亿红

通讯作者:

中图分类号:

TP391

基金项目:

水利部公益性行业科研专项基金项目(201401044).


Optimal ??-nearest neighbors and local density-based clustering algorithm for uncertain data
Author:
Affiliation:

College of Computer Science and Technology,Zhejiang University of Technology,Hangzhou 310023,China.

Fund Project:

  • 摘要
  • |
  • 图/表
  • |
  • 访问统计
  • |
  • 参考文献
  • |
  • 相似文献
  • |
  • 引证文献
  • |
  • 资源附件
  • |
  • 文章评论
    摘要:

    传统聚类算法一般针对的是确定数据, 无法解决不确定数据的聚类问题; 现有基于密度的不确定数据聚类算法存在参数敏感且计算率低的问题. 对此, 在引进新的不确定数据相异度函数、最优?? 近邻、局部密度和互包含概念的基础上, 提出解决不确定数据聚类问题的不确定数据的最优?? 近邻和局部密度聚类(OLUC) 算法. 该算法不仅能降低参数敏感性, 提高计算效率, 而且具有动态自适应优化?? 近邻, 快速发现聚类中心和除噪优化的能力. 实验结果表明, 所提出的算法对无论是否存在噪声的不确定数据集都效果良好.

    Abstract:

    Traditional clustering algorithms aim to certain data in general, which cannot solve the clustering problem for uncertain data. The existing density-based clustering algorithms for uncertain data have the problems that parameters are too sensitive and the computational efficiency is low. Therefore, an algorithm, named optimal ??-nearest neighbors and local density-based clustering algorithm for uncertain data(OLUC), is proposed to solve the clustering problem for uncertain data by introducing concepts of new dissimilarity function for uncertain data, optimal ??-nearest neighbors, local density and mutual inclusion relation. The algorithm not only can reduce the sensitivity of parameters and improve the computational efficiency, but also has the abilities of optimizing ??-nearest neighbors in the dynamic adaptive way, deciding cluster center quickly and optimizing denoising. The experimental results show that the algorithm is effective on clustering for uncertain data whatever with noise or without noise, and achieves good results.

    参考文献
    相似文献
    引证文献
引用本文

陆亿红 夏聪.不确定数据的最优?? 近邻和局部密度聚类算法[J].控制与决策,2016,31(3):541-546

复制
分享
文章指标
  • 点击次数:
  • 下载次数:
  • HTML阅读次数:
  • 引用次数:
历史
  • 收稿日期:2014-12-26
  • 最后修改日期:2015-03-13
  • 录用日期:
  • 在线发布日期: 2016-03-20
  • 出版日期:
文章二维码