基于最優(yōu)劃分的多密度梯度網(wǎng)格聚類算法.pdf

1、數(shù)據(jù)挖掘是從數(shù)量龐大的、隨機(jī)出現(xiàn)的、客觀存在的、不完全的并充滿噪聲的數(shù)據(jù)中提取和發(fā)現(xiàn)有價(jià)值的信息，從而為商務(wù)分析與決策、自然科學(xué)理論、人文地理等提供有效的技術(shù)支持和可靠的數(shù)據(jù)依據(jù)。其中，聚類分析是數(shù)據(jù)挖掘中一項(xiàng)十分重要而有趣的研究課題，并且因?yàn)槠鋸?qiáng)大的應(yīng)用和研究價(jià)值而受到越來越廣泛的關(guān)注。
　　 為解決網(wǎng)格聚類算法中對參數(shù)過于敏感、無法自動識別不同密度梯度類以及不同梯度類間劃分不夠精確等問題，提出了基于最優(yōu)劃分的多密度梯度網(wǎng)格聚

2、類算法(OPMDG)。該算法只需用戶輸入一個(gè)大致的密度閾值范圍，網(wǎng)格邊長自動計(jì)算并可自動調(diào)節(jié)適應(yīng)，減少了算法對參數(shù)的敏感性；提出了二重劃分技術(shù)，可挖掘不同密度梯度的類；對于處于不同類上的交界點(diǎn)，引入了電荷間吸引力的概念，能有效解決類間聚類精度不高等問題。
　　 實(shí)驗(yàn)結(jié)果表明，OPMDG算法能識別各種不同形狀、大小的簇，挖掘具有不同密度梯度類，并能有效地劃分邊界和去除離群點(diǎn)與噪聲點(diǎn)。在通過和GCOD算法的對比中，可以顯著發(fā)現(xiàn)OPM