基于空間單元密度的聚類算法研究.pdf

1、隨著軟件、硬件和網(wǎng)絡(luò)技術(shù)的快速發(fā)展，積累的歷史數(shù)據(jù)成千上萬，在這些數(shù)據(jù)中存在著大量有用的信息。數(shù)據(jù)挖掘就是用來從大量的、不完全的、有噪聲的、模糊的、隨機(jī)數(shù)據(jù)中，提取隱含在其中的、人們事先不知道的、但又是潛在有用的信息和知識(shí)。在數(shù)據(jù)挖掘包含的眾多研究領(lǐng)域中，聚類是一種很有用的技術(shù)，它能夠在潛在的數(shù)據(jù)中發(fā)現(xiàn)令人感興趣的數(shù)據(jù)分布模式。實(shí)際的應(yīng)用對(duì)聚類分析提出了如下要求：可伸縮性、處理不同類型屬性的能力、發(fā)現(xiàn)任意形狀的聚類、用于決定輸入?yún)?shù)的領(lǐng)

2、域知識(shí)最小化、處理噪聲數(shù)據(jù)的能力、對(duì)于輸入記錄的順序不敏感、高維性、基于約束的聚類以及聚類結(jié)果的可解釋性和可用性。 目前，已經(jīng)提出了很多聚類算法，基本上分為以下幾類：劃分方法、層次方法、基于網(wǎng)格的方法、基于模型的方法和基于密度的方法。這些方法各有優(yōu)缺點(diǎn)，能夠針對(duì)不同的領(lǐng)域解決不同的問題。但在聚類分析中還存在一些有待解決的問題。 本文根據(jù)數(shù)據(jù)分布的特點(diǎn)，提出了一種基于空間單元密度的快速聚類算法SUDBC，該算法首先將被聚類

3、的數(shù)據(jù)劃分成若干個(gè)空間單元，然后基于空間單元密度將密度超過給定閾值的鄰居單元合并為一個(gè)類。在存儲(chǔ)空間單元時(shí)，通過建立哈希表提高查找速度。并通過實(shí)驗(yàn)驗(yàn)證了這一思想的正確性。實(shí)驗(yàn)結(jié)果證明了SUDBC算法具有處理任意形狀的數(shù)據(jù)和對(duì)噪音數(shù)據(jù)不敏感的特點(diǎn)。通過與DBSCAN算法相比較，可以看出SUDBC是一種快速的聚類算法。該算法具有如下優(yōu)點(diǎn)：(1)不用計(jì)算兩點(diǎn)間的距離；(2)只需對(duì)數(shù)據(jù)進(jìn)行一遍掃描，故具有近似線性的時(shí)間復(fù)雜性；(3)主要基于空間