| 基于最优K相异性的密度聚类算法研究 |
| |
| 引用本文： | 胡文瑜,孙志挥,周晓云.基于最优K相异性的密度聚类算法研究[J].计算机工程与应用,2005,41(22):171-173,201. |
| |
| 作者姓名： | 胡文瑜 孙志挥 周晓云 |
| |
| 作者单位： | 东南大学计算机科学与工程系,南京,210096;福建工程学院计算机与信息科学系,福州,350014;东南大学计算机科学与工程系,南京,210096 |
| |
| 基金项目： | 国家自然科学基金（编号：70371015）；教育部高等学校博士点科研基金资助项目（编号：20040286009） |
| |
| 摘 要： | 该文提出一种利用最优K相异性算法(OptiSim)的密度聚类算法,通过代表性子集选择技术与DBSCAN算法的结合,可显著降低I/O耗费和内存需求,使之能够有效地处理大规模空间数据库,并提出一种扩展的OptiSim代表性子集选择方法(EOptiSim),它在处理组合数据库方面能弥补基本的OptiSim方法的不足。实验结果表明文章的算法是可行、有效的。
|
| 关 键 词： | 聚类分析 代表性子集选择 密度聚类算法 |
| 文章编号： | 1002-8331-（2005）22-0171-03 |
| 收稿时间： | 2005年3月 |
| 修稿时间： | 2005年3月 |
Research of Density-based Clustering Algorithm Based on Optimizable K-Dissimilarity Selection |
| |
| Hu Wenyu,Sun Zhihui,Zhou Xiaoyun.Research of Density-based Clustering Algorithm Based on Optimizable K-Dissimilarity Selection[J].Computer Engineering and Applications,2005,41(22):171-173,201. |
| |
| Authors: | Hu Wenyu Sun Zhihui Zhou Xiaoyun |
| |
| Abstract: | In this paper,a density-based clustering algorithm for using optimiazable K-dissimilarity selection is proposed to reduce the cost of I/0 and memory usage via integrate the representative subset selection with DBSCAN algorithm. Furthermore,An extending representative subset selection method of OptiSim algorithm fetch up the lack of OptiSim when processing the combinatorial Library.The experimental results show that the new algorithm is effective and efficient in clustering large-scale databases. |
| |
| Keywords: | clustering analysis representative subset selection density-based clustering algorithm |
| 本文献已被 CNKI 维普 万方数据 等数据库收录！ |
