摘要
提出了一种基于距离和密度的聚类和孤立点检测算法.该算法根据距离和密度阈值对数据进行聚类,同时发现数据中的孤立点.实验结果表明,该算法能够识别任意形状的聚类,对高维数据有效,能够很好的识别出孤立点.
A distance＆density-based clustering and outlier detection algorithm （DDBCOD） is proposed in this paper,it records the datum points by distance and density threshold, and identifies outliers by density threshold. As shown in the experimental results,the DDBCOD algorithm can cluster the dataset properly, and discover clusters of arbitrary shapes. It is valid for high dimension dataset,and it can find outliers accurately and validly.
出处
《河南师范大学学报（自然科学版）》
CAS
CSCD
北大核心
2008年第3期38-40,共3页
Journal of Henan Normal University(Natural Science Edition)
基金
河南省自然科学基金(0111051200)
河南省教育厅自然科学研究计划项目(2008B520016)
关键词
聚类算法
孤立点检测
距离
密度
clustering algorithms
outlier detection
distance
density
