首页 | 本学科首页   官方微博 | 高级检索  
     

基于距离和密度的聚类和孤立点检测算法
引用本文:刘合兵,尚俊平. 基于距离和密度的聚类和孤立点检测算法[J]. 河南师范大学学报(自然科学版), 2008, 36(3): 38-40
作者姓名:刘合兵  尚俊平
作者单位:河南农业大学,计算机科学与技术系,郑州,450002
基金项目:河南省自然科学基金 , 河南省教育厅自然科学基金
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.

关 键 词:聚类算法  孤立点检测  距离  密度

A Clustering and Outlier Detection Algorithm Based on Distance & Density
LIU He-bing,SHANG Jun-ping. A Clustering and Outlier Detection Algorithm Based on Distance & Density[J]. Journal of Henan Normal University(Natural Science), 2008, 36(3): 38-40
Authors:LIU He-bing  SHANG Jun-ping
Abstract: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.
Keywords:clustering algorithms  outlier detection  distance  density
本文献已被 维普 万方数据 等数据库收录!
设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号