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。