文件名称：一种能发现自然聚类的聚类算法
文件大小：177KB
文件格式：PDF
更新时间：2013-12-15 15:34:15
数据挖掘; 聚类; 神经网络; 网格; 动态模型
摘要: 目前的聚类算法如K-means、DBSCAN等, 采用全局参数而难以发现数据的自然聚类, 提出一种新的分 级聚类算法CluFNC, 能够在数据空间中发现内部聚类特征。该算法的参数包括网格大小、噪声阈值和神经节点 数量。算法首先根据参数对数据空间划分网格, 接着使用高斯影响函数计算每个单元的场强, 然后针对网格位 置和网格的场强使用SOM进行聚类, 最后使用Chameleon 算法对SOM聚类得到的神经网络节点的权值进行聚 类, 并把聚类结果映射回原始数据空间以得到最终聚类结果。理论分析和实验结果证明, 该算法能够发现数据 空间内更自然的聚类, 而且具有较高的执行效率。