本文選題：數(shù)據(jù)點　切入點：密度　出處：《智能系統(tǒng)學(xué)報》2015年05期

【摘要】：針對現(xiàn)有聚類算法處理噪聲能力差和速度較慢的問題,提出了一種基于密度的統(tǒng)計合并聚類算法(DSMC)。該算法將數(shù)據(jù)點的每一個特征看作一組獨立隨機變量,根據(jù)獨立有限差分不等式得出統(tǒng)計合并判定準則;同時,結(jié)合數(shù)據(jù)點的密度信息,把密度從大到小的排序作為凝聚過程中的合并順序,實現(xiàn)了各類數(shù)據(jù)點的統(tǒng)計合并。人工數(shù)據(jù)集和真實數(shù)據(jù)集的實驗結(jié)果表明,DSMC算法不僅可以處理凸狀數(shù)據(jù)集,對于非凸、重疊、加入噪聲的數(shù)據(jù)集也有良好的聚類效果,充分表明了該算法的適用性和有效性。
[Abstract]:In order to deal with the problems of poor noise ability and slow speed of existing clustering algorithms, a density based statistical merging clustering algorithm (DSMCN) is proposed.The algorithm regards each characteristic of data points as a set of independent random variables, and obtains the criterion of statistical merging according to the independent finite-difference inequality. At the same time, combining the density information of data points,The sorting of density from large to small is regarded as the merging order in the process of aggregation, and the statistical merging of all kinds of data points is realized.The experimental results of artificial data sets and real data sets show that the DSMC algorithm can not only deal with convex datasets, but also has a good clustering effect for non-convex, overlapping and noisy datasets, which fully demonstrates the applicability and effectiveness of the algorithm.
【作者單位】： 南京航空航天大學(xué)理學(xué)院;南京理工大學(xué)計算機科學(xué)與技術(shù)學(xué)院;
【基金】：國家自然科學(xué)基金資助項目(61103058)
【分類號】：TP311.13

【參考文獻】

相關(guān)期刊論文 前1條

1 馬儒寧;王秀麗;丁軍娣;;多層核心集凝聚算法[J];軟件學(xué)報;2013年03期

【共引文獻】

相關(guān)期刊論文 前5條

1 肖文雅;王紅云;;基于信息熵rough set的多層凝聚入侵檢測算法[J];福建電腦;2015年07期

2 馬儒寧;王萍;丁軍娣;;利用核心集粗化的多層聚類算法[J];計算機科學(xué)與探索;2013年08期

3 韓嘯;劉淑芬;徐天琦;;基于遺傳模擬退火算法的改進K-medoids算法[J];吉林大學(xué)學(xué)報(工學(xué)版);2015年02期

4 何廷年;李曉紅;蔣蕓;;改進多種群差分進化算法的混沌系統(tǒng)參數(shù)估計[J];計算機工程;2015年02期

5 楊臻;楊志宏;;基于多層核心集凝聚思想的視頻關(guān)鍵幀提取[J];計算機應(yīng)用與軟件;2015年09期

相關(guān)博士學(xué)位論文 前1條

1 吳迪;基于加權(quán)相似度的序列聚類算法研究[D];燕山大學(xué);2014年

相關(guān)碩士學(xué)位論文 前2條

1 王萍;基于核心集粗化的多層次聚類算法[D];南京航空航天大學(xué);2014年

2 徐祥;多中心聚類算法的研究與改進[D];安徽大學(xué);2015年

【二級參考文獻】

相關(guān)期刊論文 前1條

1 丁軍娣;馬儒寧;陳松燦;;基于多項式核的結(jié)構(gòu)化有向樹數(shù)據(jù)聚類算法[J];軟件學(xué)報;2008年12期

【相似文獻】

相關(guān)期刊論文 前10條

1 王琢;鮑玉斌;;一種快速生成最小濃縮數(shù)據(jù)立方的算法[J];小型微型計算機系統(tǒng);2005年12期

2 羅可;張學(xué)茂;;一種高效的頻集挖掘算法[J];長沙理工大學(xué)學(xué)報(自然科學(xué)版);2006年03期

3 劉彩云;陳忠;;蟻群算法的研究進展及應(yīng)用[J];軟件導(dǎo)刊;2008年09期

4 張麗芳;;3種聚類算法性能比較分析[J];長江大學(xué)學(xué)報(自然科學(xué)版)理工卷;2009年02期

5 劉曉平;圖象開窗算法[J];CT理論與應(yīng)用研究;1996年04期

6 江少鋒,楊素華;一種簡單高效的圖象縮小算法[J];南昌航空工業(yè)學(xué)院學(xué)報(自然科學(xué)版);2003年04期

7 張林;吳振強;;一種高效的隨機混淆匿名算法[J];計算機應(yīng)用研究;2008年05期

8 蔡濤,王潤生;分開合并算法的若干討論和改進[J];國防科技大學(xué)學(xué)報;2000年04期

9 王子菡,楊恢先,楊穗,陶霞;數(shù)控繪圖系統(tǒng)中的繪圖基本算法[J];微計算機信息;2003年12期

10 嚴建峰;李偉華;杜北;;基于規(guī)模壓縮的混合蟻群算法[J];控制與決策;2007年09期

相關(guān)會議論文 前10條

1 尹冀鋒;;一種新的圖象自適應(yīng)增強算法[A];四川省通信學(xué)會一九九二年學(xué)術(shù)年會論文集[C];1992年

2 寧春平;田家瑋;郭延輝;王影;張英濤;鄭桂霞;劉研;;計算機輔助增強、分割算法在鑒別乳腺良、惡性腫塊中的應(yīng)用價值[A];中華醫(yī)學(xué)會第十次全國超聲醫(yī)學(xué)學(xué)術(shù)會議論文匯編[C];2009年

3 謝麗聰;;SVB查詢改寫算法的改進[A];第二十一屆中國數(shù)據(jù)庫學(xué)術(shù)會議論文集（研究報告篇）[C];2004年

4 鄭存紅;;復(fù)雜背景下相關(guān)跟蹤算法研究及DSP實現(xiàn)[A];中國光學(xué)學(xué)會2010年光學(xué)大會論文集[C];2010年

5 楊文杰;吳軍;;RFID抗沖突算法研究[A];2008通信理論與技術(shù)新進展——第十三屆全國青年通信學(xué)術(shù)會議論文集（上）[C];2008年

6 高山;畢篤彥;魏娜;;一種基于UPF的小目標TBD算法[A];第十四屆全國圖象圖形學(xué)學(xué)術(shù)會議論文集[C];2008年

7 周磊;張衛(wèi)華;王曉奇;張軍;;基于流水算法的智能路障機器人設(shè)計[A];2011年全國電子信息技術(shù)與應(yīng)用學(xué)術(shù)會議論文集[C];2011年

8 李偉偉;蔡康穎;鄭新;王文成;;3D模型中重復(fù)結(jié)構(gòu)的多尺度快速檢測算法[A];第六屆和諧人機環(huán)境聯(lián)合學(xué)術(shù)會議（HHME2010)、第19屆全國多媒體學(xué)術(shù)會議（NCMT2010）、第6屆全國人機交互學(xué)術(shù)會議（CHCI2010）、第5屆全國普適計算學(xué)術(shù)會議（PCC2010）論文集[C];2010年

9 潘巍;李戰(zhàn)懷;陳群;索博;李衛(wèi)榜;;面向MapReduce的非對稱分片復(fù)制連接算法優(yōu)化技術(shù)研究[A];第29屆中國數(shù)據(jù)庫學(xué)術(shù)會議論文集（B輯）（NDBC2012）[C];2012年

10 楊任爾;陳懇;勵金祥;;基于棱邊方向檢測的運動自適應(yīng)去隔行算法[A];Proceedings of 2010 Chinese Control and Decision Conference[C];2010年

相關(guān)重要報紙文章 前1條

1 國泰君安資產(chǎn)管理部;“算法交易”是道指暴跌罪魁禍首?[N];上海證券報;2010年

相關(guān)博士學(xué)位論文 前10條

1 馮輝;網(wǎng)絡(luò)化的并行與分布式優(yōu)化算法研究及應(yīng)用[D];復(fù)旦大學(xué);2013年

2 許玉杰;云計算環(huán)境下海量數(shù)據(jù)的并行聚類算法研究[D];大連海事大學(xué);2014年

3 李琰;基于貓群算法的高光譜遙感森林類型識別研究[D];東北林業(yè)大學(xué);2015年

4 陳加順;海洋環(huán)境下聚類算法的研究[D];南京航空航天大學(xué);2014年

5 張冬麗;人工蜂群算法的改進及相關(guān)應(yīng)用研究[D];燕山大學(xué);2014年

6 徐悅竹;機會發(fā)現(xiàn)算法及其應(yīng)用研究[D];哈爾濱工程大學(xué);2010年

7 王征;分布式互斥算法的研究與實現(xiàn)[D];電子科技大學(xué);2007年

8 楊世品;P系統(tǒng)優(yōu)化算法及應(yīng)用研究[D];浙江大學(xué);2013年

9 王艷嬌;人工蜂群算法的研究與應(yīng)用[D];哈爾濱工程大學(xué);2013年

10 張毅;群智能算法的改進及其在相關(guān)領(lǐng)域中的應(yīng)用[D];吉林大學(xué);2009年

，

本文編號：1713837