10.3321/j.issn:1002-8331.2007.07.059
基于相似度的网格聚类算法
提出了一种基于相似度的网格聚类算法(SGCA).该算法主要利用网格技术去除数据集中的部分孤立点或噪声,使用边界点阈值函数提取类的边界点,最后利用相似度方法进行聚类.SGCA算法只要求对数据集进行一遍扫描.实验表明,该算法可扩展性好,能处理任意形状和大小的聚类,能够很好地识别出孤立点或噪声,它不仅适用于综合数据集,而且对高维数据集也具有较好的聚类结果.还引进了网格核技术,进一步改善了SGCA算法的时间复杂度.
网格、相似度、阈值函数、核
43
TP311(计算技术、计算机技术)
河南省自然科学基金021105110
2007-04-17(万方平台首次上网日期,不代表论文的发表时间)
共4页
198-201