一種基于網(wǎng)格的密度聚類算法研究及應(yīng)用.pdf

1、隨著信息技術(shù)和數(shù)據(jù)庫技術(shù)的迅猛發(fā)展，需要分析和管理的數(shù)據(jù)迅速增多，面對大規(guī)模的海量數(shù)據(jù)，迫切需要一種能夠智能地、自動地把數(shù)據(jù)轉(zhuǎn)換成有用信息和知識的技術(shù)和工具，數(shù)據(jù)挖掘技術(shù)應(yīng)運而生。聚類算法是數(shù)據(jù)挖掘領(lǐng)域的主要方法之一，研究如何提高聚類算法的性能具有重要的意義。 本文通過對密度聚類算法DBSCAN的研究分析，發(fā)現(xiàn)該算法在執(zhí)行的過程中需要為每個數(shù)據(jù)點計算臨域內(nèi)若干個數(shù)據(jù)點的相似度信息。當(dāng)數(shù)據(jù)量較大時，算法所要求的時間復(fù)雜度較高，這個

2、缺陷在一定程度上限制了DBSCAN算法的應(yīng)用。 針對上述問題，本文給出了基于網(wǎng)格的快速DBSCAN算法。該算法在密度聚類中引入網(wǎng)格的概念，給出網(wǎng)格單元的Eps—外圍，創(chuàng)建數(shù)據(jù)分區(qū)；接著，對每個分區(qū)應(yīng)用DBSCAN算法進行聚類；然后，根據(jù)給出的合并定理對所有局部聚類結(jié)果進行合并。最后，將改進后的算法應(yīng)用于軟件失效數(shù)據(jù)的預(yù)處理中，通過聚類降低失效數(shù)據(jù)中的異常數(shù)據(jù)點對軟件可靠性參數(shù)估計過程的不良影響，提高軟件可靠性預(yù)測的精度。利用實驗