-
题名一种基于划分的动态聚类算法
被引量：16
- 1
-
-
作者
万志华
欧阳为民
张平庸
-
机构
上海大学计算机工程与科学学院
上海大学网络中心
-
出处
《计算机工程与设计》
CSCD
北大核心
2005年第1期177-179,229,共4页
-
文摘
聚类分析是数据挖掘的一个重要研究分支,已经提出了许多聚类算法,划分方法是其中之一。划分方法的缺点是要求事先给定聚类结果数,对初始划分和输入顺序敏感等。为克服这些缺陷,以划分方法为基础,提出了一种基于划分的动态聚类算法。该算法按密度从大到小,依距离选择较为分散的初始值,同时可以过滤噪声数据,并在聚类的过程中动态地改变聚类结果数,改善了聚类质量,获得了更自然的结果。
-
关键词
聚类分析
数据挖掘
划分方法
K-MEANS
-
Keywords
clustering
data mining
partition method
k-means
-
分类号
TP311
[自动化与计算机技术—计算机软件与理论]
-
-
题名基于密度的购物篮数据聚类方法
被引量：1
- 2
-
-
作者
张平庸
欧阳为民
万志华
-
机构
上海大学计算机科学与工程系
-
出处
《计算机工程与设计》
CSCD
北大核心
2005年第1期180-181,184,共3页
-
文摘
在现有的算法DBSCAN基础上,提出一种基于密度的处理购物篮事务数据的聚类方法-DCMBD(density-based clustering for market basket data)。使用了一种新的事务表示法,解决了购物篮数据的高维性和稀疏性问题。并对算法进行 了相应的改进,从而提高了聚类速度。实验结果表明此方法是有效可行的。
-
关键词
聚类
购物篮数据
数据挖掘
算法DBSCAN
-
Keywords
clustering
market basket data
data mining
-
分类号
TP311
[自动化与计算机技术—计算机软件与理论]
-
