两阶段密度意识子空间聚类模型

李长路; 王劲林; 郭志川; 潘梁

您当前的位置：

首页 >

文章列表页 >

两阶段密度意识子空间聚类模型

更新时间：2025-07-09

- 两阶段密度意识子空间聚类模型
- 暂无标题
- 西安交通大学学报 2014年第10期页码：108-114
- 作者机构：
  
  1. 中国科学院声学研究所国家网络新媒体工程技术研究中心
  2. 中国科学院大学
- 作者简介：
- 基金信息：
  
  国家高技术研究发展计划资助项目(2011AA01A102);国家科技支撑计划资助项目(2012BAH73F01);中国科学院战略性先导科技专项资助项目(XDA06010301)
- DOI：
  中图分类号： TP311.13
- 纸质出版：2014
- 稿件说明：
移动端阅览
李长路, 王劲林, 郭志川, 等. 两阶段密度意识子空间聚类模型[J]. 西安交通大学学报, 2014,(10):108-114.
李长路, 王劲林, 郭志川, 等. 两阶段密度意识子空间聚类模型[J]. 西安交通大学学报, 2014,(10):108-114. DOI：

DOI：

摘要

针对网格聚类方法在高维子空间聚类中网格规模随着维度急剧升高的问题

以及差别阈值方法引入干扰小聚簇的问题

提出一种具有两个网格划分阶段的密度意识子空间聚类模型。该模型第一阶段采用粗网格找出可能存在聚类的子空间区域

第二阶段在这些区域中进行等效精度更高的网格划分并找出所有致密单元。该模型在两个阶段处理的网格规模均远低于密度意识子空间聚类模型在相同划分精度下的网格规模

同时利用第一阶段对网格空间的筛选作用降低小聚簇干扰

提高聚类质量。合成数据集实验表明:该模型聚类精准率和查全率性能明显优于原模型;基于真实数据集实验

相比一次划分模型

该模型以损失0.4%数据点的代价提高输出聚类密度19.4%

聚类质量大幅提升。

Abstract

关键词

Keywords

references

朱林,雷景生,毕忠勤,杨杰.一种基于数据流的软子空间聚类算法[J].软件学报,2013(11).

夏虎,庄健,于德弘.面向高维特征故障数据的进化软子空间聚类算法[J].西安交通大学学报,2013(05).

Sauravjyoti Sarmah,Dhruba K. Bhattacharyya.A grid-density based technique for finding clusters in satellite image[J].Pattern Recognition Letters,2011(5).

Charu C. Aggarwal,Philip S. Yu.Finding generalized projected clusters in high dimensional spaces[J].ACM SIGMOD Record,2000.

Charu C. Aggarwal,Joel L. Wolf,Philip S. Yu,Cecilia Procopiuc,Jong Soo Park.Fast algorithms for projected clustering[J].ACM SIGMOD Record,1999(2).

Rakesh Agrawal,Johannes Gehrke,Dimitrios Gunopulos,Prabhakar Raghavan.Automatic subspace clustering of high dimensional data for data mining applications[J].ACM SIGMOD Record,1998(2).

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

自适应多视角子空间聚类

互补与一致的多视角子空间聚类网络

海量信息异常检测问题的异常概率排序算法

一种新颖的基于量化概念格的属性归纳算法

扇贝仿生密封腔室内超临界二氧化碳泄漏流湍动能耗散机理研究