近年來(lái),數(shù)據(jù)量日益增多,數(shù)據(jù)分布呈現(xiàn)多樣化、復(fù)雜化。在眾多應(yīng)用領(lǐng)域中,包含任意形狀、任意密度以及任意大小的簇的數(shù)據(jù)集廣泛出現(xiàn)。傳統(tǒng)的聚類算法無(wú)法有效地識(shí)別出分布復(fù)雜的數(shù)據(jù)點(diǎn)中的簇結(jié)構(gòu)。同時(shí),很多新的聚類算法在各種數(shù)據(jù)集中檢測(cè)任意簇時(shí),通常會(huì)遇到精確性不高或者執(zhí)行效率較低等問(wèn)題。因此,在分布復(fù)雜的數(shù)據(jù)集中,精確地檢測(cè)出任意形狀、任意密度以及任意大小的簇,是當(dāng)前亟待解決的重點(diǎn)問(wèn)題之一,也是聚類的研究熱點(diǎn)。k近鄰是一種分類算法,綜合考慮了數(shù)據(jù)點(diǎn)所具有的特性和所處的空間位置。在基于密度的方法中,密度可以通過(guò)數(shù)據(jù)分布的緊密程度來(lái)決定,并且基于密度的聚類方法也適合檢測(cè)數(shù)據(jù)集中任意形狀的簇結(jié)構(gòu)。本文在深入研究k近鄰與基于密度的聚類算法的基礎(chǔ)上,提出了兩個(gè)有效檢測(cè)任意簇的基于k近鄰的密度聚類算法CUDG和CLDB。（1）CUDG算法通過(guò)把每個(gè)數(shù)據(jù)點(diǎn)看作為自然界中的質(zhì)點(diǎn),定義了數(shù)據(jù)點(diǎn)間密度引力的概念。首先根據(jù)每個(gè)數(shù)據(jù)點(diǎn)的周圍鄰居分布密集程度獲得其局部密度,然后迭代地將每個(gè)數(shù)據(jù)點(diǎn)分配給密度比它大且距其最近的互近鄰點(diǎn)形成初始簇,最后將具有共同數(shù)據(jù)點(diǎn)的初始簇進(jìn)行合并得到最終簇。本文實(shí)驗(yàn)將CUDG分別與六個(gè)對(duì)比... 

【文章來(lái)源】：蘭州交通大學(xué)甘肅省

【文章頁(yè)數(shù)】：61 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

密度引力聚類思想

【參考文獻(xiàn)】：
博士論文
[1]面向復(fù)雜數(shù)據(jù)的聚類算法研究[D]. 陳梅.蘭州大學(xué) 2016



本文編號(hào)：3219775