任一聚類(lèi)邊界提取算法研究.pdf

1、聚類(lèi)是根據(jù)數(shù)據(jù)集中數(shù)據(jù)對(duì)象之間的相似性，將數(shù)據(jù)對(duì)象劃分為若干個(gè)類(lèi)。聚類(lèi)的邊界指的是聚類(lèi)邊緣處的數(shù)據(jù)對(duì)象，對(duì)邊界對(duì)象來(lái)講，它的類(lèi)歸屬是確定的，但是，它與類(lèi)中其它對(duì)象相比，又具有不同的特性，代表著一種數(shù)據(jù)模式。目前，在聚類(lèi)的邊界檢測(cè)方面，已經(jīng)提出了一些檢測(cè)算法，如BOUND、BERGE等。這些聚類(lèi)邊界檢測(cè)算法均可以有效的檢測(cè)出數(shù)據(jù)集的整體邊界模式，但對(duì)某個(gè)聚類(lèi)的邊界模式的提取，卻缺乏相關(guān)的研究與探討，而且也無(wú)法獲取數(shù)據(jù)集中的聚類(lèi)個(gè)數(shù)，為了解

2、決這些問(wèn)題，本文提出了兩種單聚類(lèi)邊界提取算法。
　　基于DBSCAN的任一簇邊界提取算法DBORDER(Boundary Detecting Algorithm for Each Cluster based on DBSCAN:DBORDER)。該算法首先根據(jù)核心點(diǎn)比例和每個(gè)對(duì)象密度值的大小提取出全部核心點(diǎn)，利用核心點(diǎn)所構(gòu)成的無(wú)向連通圖的數(shù)目確定數(shù)據(jù)集中包含的聚類(lèi)數(shù)目；然后將eps-鄰域劃分為正、負(fù)半鄰域，并依據(jù)候選點(diǎn)集中對(duì)象的正

3、負(fù)半鄰域內(nèi)其它數(shù)據(jù)對(duì)象的分布特征，提取出各個(gè)聚類(lèi)的邊界和整個(gè)數(shù)據(jù)集的邊界。實(shí)驗(yàn)表明，DBORDER算法能夠在含有噪聲、密度分布不均并且具有不同形狀和大小的簇的數(shù)據(jù)集上有效地檢測(cè)出數(shù)據(jù)集的聚類(lèi)數(shù)目以及各個(gè)聚類(lèi)的邊界。
　　基于 K近鄰的具有聚類(lèi)功能的簇邊界提取算法KBORDER(Boundary Detecting Algorithm for Each Cluster with the Function of Clustering

4、based on K nearest neighbors:KBORDER)。該算法首先計(jì)算每一個(gè)對(duì)象的K近鄰與反向K近鄰，根據(jù)對(duì)象反向K近鄰個(gè)數(shù)的多少確定對(duì)象的邊界度；然后根據(jù)對(duì)象的近鄰關(guān)系，提出了近鄰可達(dá)的概念，并在數(shù)據(jù)集中所有近鄰可達(dá)的對(duì)象間添加一條邊，利用數(shù)據(jù)對(duì)象所構(gòu)成的無(wú)向連通圖的數(shù)目確定數(shù)據(jù)集中所包含的聚類(lèi)數(shù)目和聚類(lèi)劃分；最后根據(jù)數(shù)據(jù)對(duì)象的邊界度、邊界比例、聚類(lèi)劃分確定數(shù)據(jù)集的整體邊界以及各個(gè)聚類(lèi)的邊界。實(shí)驗(yàn)表明，KBORDE