10.16208/j.issn1000-7024.2018.11.023
基于DCNDA算法的数据异常检测
针对CURE算法聚类过程中对噪音点敏感,随机抽样存在局限性,以及对收缩因子敏感且在大型数据集聚类方面效率欠佳的问题,提出一种基于MeanShift核函数平移模型DBSCAN算法改进的CURE算法,即DCNDA(density-based CURE noise detection clustering algorithm).自适应参数的DBSCAN算法提高初步聚类精度和可靠性,引入质心公式改进CURE算法,避免受收缩因子影响,降低时间复杂度,提高算法全局收敛性和可靠性.仿真结果表明,DCNDA算法在时间复杂度、聚类准确率、异常值检测效率方面优于改进分区CURE算法和PDBSCAN算法.
DCNDA算法、CURE算法、DBSCAN算法、MeanShift核函数、异常值检测
39
TP391(计算技术、计算机技术)
2016广西高校中青年教师基础能力提升基金项目ky2016YB150;桂林电子科技大学研究生教育创新计划基金项目2017YJCX48
2019-01-22(万方平台首次上网日期,不代表论文的发表时间)
共7页
3425-3430,3485