基于網格劃分的非球形聚類算法研究.pdf

1、按照聚類模式的不同，聚類算法可以分為球形聚類算法和非球形聚類算法。非球形聚類算法指的是自動檢測數據中的任意形狀類。最具代表性的非球形聚類算法是DBSCAN算法。DBSCAN算法可以識別任意形狀的聚類，但是該算法對密度參數十分敏感。由于空間數據可以通過網格進行預劃分，有學者提出在網格劃分的基礎上對數據進行聚類分析。然而，這類方法對網格劃分的要求十分嚴格，不同的網格粒度會產生差異明顯的聚類結果。并且當數據維度過高時，基于網格劃分的方法嚴重受

2、限于維數災難問題。
　　為解決上述問題，本文提出了基于網格劃分的非球形聚類算法。區(qū)別于傳統(tǒng)的DBSCAN算法和基于網格劃分的聚類算法，論文提出的聚類算法分為三個步驟實現:自適應網格生成、高密度區(qū)域凝聚聚類以及稀疏區(qū)域類別確定。論文首先給出了一種網格寬度的自適應確定方法，該方法可以得到一種近似最優(yōu)的網格結構。在得到網格結構后，非球形聚類包括高密度網格凝聚聚類和低密度網格均值漂移融合。該方法能夠有效地判定邊界區(qū)域的聚類類別，并且可以檢