基于距离关联性动态模型的聚类改进算法

摘要：

针对大部分聚类算法无法高效地发现任意形状及不同密度的簇的问题,提出了一种高效的基于距离关联性动态模型的聚类改进算法.首先,为提高聚类效率,使用层次聚类算法对数据集进行初始聚类,并剔除样本点含量过低的簇;其次,为发现任意形状及不同密度的簇,以初始聚类结果的簇的质心作为代表点,利用距离关联性动态模型进行聚类,并利用层次聚类的树状结构进行有效的剪枝计算;最后,检验算法的有效性.实验采用Chameleon数据集进行测试,结果表明,该算法能够有效识别任意形状及不同密度的簇,且与同类算法相比,时间效率有显著的提高.

关键词：聚类、任意形状的簇、不同密度的簇、距离关联性、动态模型

所属期刊栏目：10

分类号：TP301.6(计算技术、计算机技术)

资助基金：The Natural Science Foundation of Jiangsu Province under Grant No.BK20140192;the Youth Science Foundation of China University of Mining and Technology under Grant No.2013QNB16

在线出版日期：2016-06-07（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：248-256