聚類和孤立點(diǎn)檢測(cè)算法的研究與實(shí)現(xiàn).pdf

1、數(shù)據(jù)挖掘技術(shù)可以從大量數(shù)據(jù)中發(fā)現(xiàn)潛在的、有價(jià)值的知識(shí)。隨著數(shù)據(jù)挖掘技術(shù)的迅速發(fā)展，聚類分析和孤立點(diǎn)檢測(cè)技術(shù)已經(jīng)廣泛應(yīng)用于模式識(shí)別、數(shù)據(jù)分析、圖像處理、市場(chǎng)研究等許多領(lǐng)域。聚類及孤立點(diǎn)檢測(cè)算法研究已經(jīng)成為數(shù)據(jù)挖掘領(lǐng)域非?；钴S的一個(gè)研究課題。 本文介紹了數(shù)據(jù)挖掘理論，對(duì)聚類及孤立點(diǎn)檢測(cè)算法進(jìn)行了深入地分析研究。在分析了基于密度的聚類算法和基于密度的孤立點(diǎn)算法的基礎(chǔ)上，提出了基于對(duì)稱鄰域的孤立點(diǎn)檢測(cè)算法(ODBSN)和基于r-鄰域的聚

2、類算法(RNBC)。 在ODBSN算法中，引入了反向k-近鄰的概念，設(shè)計(jì)了基于對(duì)稱鄰域的孤立因子檢測(cè)算法，提高了基于密度的孤立點(diǎn)檢測(cè)算法的效率。ODBSN算法不需要計(jì)算數(shù)據(jù)對(duì)象的可達(dá)距離和可達(dá)密度，大大降低了計(jì)算復(fù)雜性，同時(shí)基于對(duì)稱鄰域的孤立因子(SNOF)對(duì)孤立點(diǎn)的度量，提高了孤立點(diǎn)檢測(cè)的準(zhǔn)確性。 在RNBC算法中，引入了相對(duì)密度因子的概念，設(shè)計(jì)了一種新的基于密度的聚類算法。與聚類算法DBSCAN相比，該算法有兩個(gè)優(yōu)勢(shì)