网格聚类算法的究.pdf

摘 要 近年来，基于网格聚类算法的研究己经成为数据挖掘研究领域中非常活跃的一 个研究课题。本文在研究了传统聚类算法的基础上，提出了基于优化网格的最小生 成树聚类算法(0GMST)。该算法利用参数自动化的密度阈值处理技术，来解决基于 网格的最小生成树聚类算法不适用于多密度数据集的局限性，利用边界点提取技术 提取边界点，提高了现有的多密度聚类算法的精度。针对传统的对象间相似度的度 量方法的缺陷，提出了基于网格相似度的聚类算法(GSCA)。该算法引入了一种新的 相似度度量标准，并将其应用于网格聚类，使用密度阈值处理技术来定义网格的密 度阈值，提高了聚类的精度，同时还利用信息熵的概念对高维数据集进行了处理。 两种算法在与传统算法的对比实验中均显出一定的优越性。 关键词：网格聚类，密度阈值，边界点，相似度 ABSTRACT The researchon haVebecomea active grid·basedclusteringalgoritluIls highly topic inthe ofdata domain research．Basedonthe oftraditional mining anaIysis grid．based f-0nVardMST cluSteringalgorithIns，、veb“ght the on ClusteringAJgoritI衄Based rcsolvesthe MST Optimized硎d(OGMST)．ItGMST(Grid-b豁ed ClusteringAlgoritlllll) li以tati∞of岫fitfor theu辩of algorittml．s mult“ens时da阪埝bypa衄ct盯 automaticthreshold OGMST the density method．Besides，the border algorithmdisposes themethodofborder thatenhances thc pointsby pointsdisposed technique remarkably of atthelimitationsof grid-based traditionalmeasurement precision clustering．Aiming methodonsimilitudebet、veen objects，we putforward(矾d—Similarity-b邪ed Clustering inanewcriteriontomeasurettlesimilitud