-
题名k-LDCHD——高维空间k邻域局部密度聚类算法
被引量：18
- 1
-
-
作者
倪巍伟
孙志挥
陆介平
-
机构
东南大学计算机科学与工程系
-
出处
《计算机研究与发展》
EI
CSCD
北大核心
2005年第5期784-791,共8页
-
基金
国家自然科学基金项目(70371015)
教育部高等学校博士学科点专项科研基金项目(20040286009)
-
文摘
聚类是数据挖掘领域的一项重要课题,高维空间聚类以数据分布稀疏、噪声数据多、“差距趋零现象”而成为难点.在分析现有聚类算法不足的基础上,引入k邻域点集、k邻域半径等概念,提出一种高维空间单参数k邻域局部密度聚类算法kPCLDHD;为了提高算法的效率,进一步定义了参考距离等概念,并采用“双参考数据点”对数据集中的数据对象进行预处理,以减少扫描数据集的开销,提出kPCLDHD的优化算法kLDCHD.理论分析和实验结果表明,算法可以有效解决高维空间聚类问题,算法是有效可行的.
-
关键词
k邻域半径
双参考数据点
参考半径
高维空间
-
Keywords
k-neighbor radius
double reference point
reference radius
high dimensional space
-
分类号
TP311
[自动化与计算机技术—计算机软件与理论]
-
