基于距离和密度的多阶段聚类.pdfVIP

研究与开发 文章编号 ： （ ） ： 1007-1423 2014 02-0015-04 DOI 10.3969/j.issn.1007-1423.2014.02.004 基于距离和密度的多阶段聚类 张西芝 1 ，李涛 2 ，刘敏娟 3 （1. 郑 州升达经贸管理学院信息工程系 ，郑州 451191 ； 2. 河 南广播电视大学信息工程系 ，郑州 450008 ； 3. 郑 州成功财经学院信息工程系 ，郑州 451200 ） 摘 要 ： 随着聚类技术的发展 对不同密度的数据集的聚类需求也越来越迫切 为了解决不同密度数据集的聚类问题 提出一 ， 。 ， 种基于距离和密度的多阶段聚类算法 MCDD 。 该算法 主要采用多阶段密度处理技术提取不同密度的聚类 ，同时使用 密度因子提高聚类的精度 最后通过使用距离阈值的方法去除孤立点和噪声数据 实验表明 该算法在扩展性方面表 ， 。 ， 现良好 对任意形状和大小的聚类都可以很好地处理 并能够很好地识别出孤立点或噪声 在处理多密度聚类方面有 ， ， ， 很好的精度 。 关键词 ： 密度阈值 ； 阶段聚类 ； 密度因子 ； 距离阈值 ； 孤立点 基金项目 ： 郑州市科技攻关项目 （No） 0 引言 对不同密度和形状的数据集进行聚类的 ， 但其缺点是 在多密度聚类和处理孤立点或噪声 方面精度都 不 高 聚类是数据挖掘中的一种重要技术 ， 它的目标是 （见图 （ ） 针对这些问题 本文给出基于距离和密度 1 a ）。 ， 将原始数据集划分成若干个子集 ， 使得同一个子集中 的多阶段聚类算法 MCDD ， 并将其和 SNN 算法进行比 的对象是相似的 ，不同子集中的对象不相似 。 在聚类所 较 从比较结果可以看出 算法在多密度聚类 孤 ， MCDD 、 使用的数据集中 ，数据集的密度往往不尽相同 。 目前现 立点或噪声处理方面显示出了较高的精度 。 有的聚类算法 [1]可 以分为以下几大类 ：基于划分 的方 法 、基于密度的方法 、基于网格的方法和基于模型的方 1 MCDD 聚类算法 法等 ， 其中基于密度的聚类算法有 DBSCAN 以及其改 进算法 IDBSCAN[2] 、EIDBSCAN[3]等 。 对于多密度数据集 ， 因为数据各部分密集程度不 现有的很多算法仅对高密度区域进行聚类 ， 只注 一样 ，这就需要我们进行多阶段的聚类 。在 MCDD 算法 重发现任意形状和大