论文研究基于网格相对密度差的扩展聚类算法.pdf
针对现有的多密度聚类算法对参数依赖性较高、聚类精度较低等问题,提出一种基于网格相对密度差的扩展聚类算法(ECRGDD)。首先,该算法给出一种网格划分方法,通过统计数据点的分布情况选取相对密集区域,采用近邻估计法计算网格划分大小的标准;接着,提出网格相对密度差的概念,根据网格密度值选取初始单元,通过计算网格之间的相对密度差围绕初始单元进行扩展聚类;最后,给出边界点提取技术,采用构建模糊函数的方法对边界单元进行处理。实验结果表明,该算法能有效地对不规则、多样化分布的数据集进行聚类,并能较好地分离出噪声,聚类精度较高。
用户评论