基于網(wǎng)格密度的高精度聚類算法研究.pdf

1、數(shù)據(jù)挖掘又稱數(shù)據(jù)庫中的知識發(fā)現(xiàn)，是指從大型數(shù)據(jù)集中發(fā)現(xiàn)有趣的、有用的且預(yù)先未知的知識的過程。數(shù)據(jù)挖掘是數(shù)據(jù)庫研究最活躍的領(lǐng)域之一，通過數(shù)據(jù)挖掘可以從大型數(shù)據(jù)集中提取可信、新穎、有效并易于理解的知識、規(guī)律或高層信息，這給人們在信息時代所積累的海量數(shù)據(jù)賦予了新的意義。隨著數(shù)據(jù)挖掘技術(shù)的迅猛發(fā)展，作為其重要組成部分，聚類分析和邊界模式檢測技術(shù)已經(jīng)廣泛應(yīng)用于模式識別、數(shù)據(jù)分析、圖像處理、市場研究等許多領(lǐng)域。而聚類和邊界模式檢測算法的研究也已經(jīng)成

2、為數(shù)據(jù)挖掘研究領(lǐng)域中非常活躍的一個研究課題。 本文提出了參數(shù)自動化的基于網(wǎng)格密度的高精度的聚類算法。針對網(wǎng)格聚類算法的聚類結(jié)果對用戶輸入?yún)?shù)敏感這一問題，本文提出了一種參數(shù)自動化的處理方法；另外，本文還在結(jié)合了基于密度聚類算法和網(wǎng)格聚類算法的優(yōu)點的基礎(chǔ)上，采用計算低密度單元中的點到相鄰高密度單元重心的歐幾里德距離的方法來處理邊界點，這種處理網(wǎng)格聚類邊界的方法，克服了由于網(wǎng)格單元內(nèi)數(shù)據(jù)分布不均勻而造成聚類結(jié)果不準(zhǔn)確的缺點，可以準(zhǔn)確