基于聚類邊界檢測的聚類算法
發(fā)布時間:2023-01-06 18:44
為了有效地聚類,提出了以邊界控制聚類向外擴展的思想。該思想以邊界檢測作為聚類的預處理,將數(shù)據(jù)劃分為內(nèi)部點、邊界點和噪聲,通過對聚類內(nèi)部點進行廣度優(yōu)先搜索,將其k近鄰可達的內(nèi)部點歸屬到一個簇,直至到達邊界形成聚類。在綜合數(shù)據(jù)集上的實驗結果表明,該算法能有效地對數(shù)據(jù)集進行聚類。
【文章頁數(shù)】:2 頁
【文章目錄】:
1 相關分析
2 CBBD算法描述
3 實驗結果及分析
4 結論
【參考文獻】:
期刊論文
[1]基于矩陣模型的高維聚類邊界模式發(fā)現(xiàn)[J]. 李向麗,曹曉鋒,邱保志. 自動化學報. 2017(11)
[2]快速搜索與發(fā)現(xiàn)密度峰值聚類算法的優(yōu)化研究[J]. 蔣禮青,張明新,鄭金龍,戴嬌,尚趙偉. 計算機應用研究. 2016(11)
本文編號:3728174
【文章頁數(shù)】:2 頁
【文章目錄】:
1 相關分析
2 CBBD算法描述
3 實驗結果及分析
4 結論
【參考文獻】:
期刊論文
[1]基于矩陣模型的高維聚類邊界模式發(fā)現(xiàn)[J]. 李向麗,曹曉鋒,邱保志. 自動化學報. 2017(11)
[2]快速搜索與發(fā)現(xiàn)密度峰值聚類算法的優(yōu)化研究[J]. 蔣禮青,張明新,鄭金龍,戴嬌,尚趙偉. 計算機應用研究. 2016(11)
本文編號:3728174
本文鏈接:http://sikaile.net/kejilunwen/sousuoyinqinglunwen/3728174.html
最近更新
教材專著