基于網(wǎng)格密度和空間劃分樹的聚類算法研究.pdf

1、在數(shù)據(jù)挖掘領(lǐng)域中，聚類分析是一項(xiàng)重要的研究課題。它既可以作為一個(gè)單獨(dú)的工具用以發(fā)現(xiàn)數(shù)據(jù)庫中數(shù)據(jù)分布的深層信息，也可以作為其他數(shù)據(jù)挖掘分析算法的一個(gè)預(yù)處理步驟，因此研究如何提高聚類算法的性能具有重要的意義。 本文在分析現(xiàn)有聚類算法特別是基于密度的聚類算法優(yōu)缺點(diǎn)的基礎(chǔ)上，結(jié)合空間索引技術(shù)，提出了一種新的基于格網(wǎng)密度和空間劃分樹的聚類算法(CGDSPT)；在聚類實(shí)驗(yàn)系統(tǒng)上，通過對多個(gè)樣本數(shù)據(jù)集的實(shí)驗(yàn)結(jié)果的分析和算法的實(shí)際應(yīng)用，驗(yàn)證了C

2、GDSPT算法的有效性。本文的主要工作包括： 1、將現(xiàn)有聚類方法按照五大類進(jìn)行了系統(tǒng)的評述，并對基于密度的幾種經(jīng)典算法做了詳細(xì)的介紹。 2、通過對空間索引結(jié)構(gòu)的綜述，結(jié)合空間劃分的特性，提出了一種基于空間劃分的索引結(jié)構(gòu)SP-Tree。SP-Tree有效地保存了數(shù)據(jù)的空間位置信息，為空間區(qū)域的鄰域查詢提供了極大的方便；同時(shí)它只索引非空單元格，不僅節(jié)省了存儲空間還降低了算法的時(shí)間復(fù)雜性。 3、結(jié)合基于格網(wǎng)密度聚類算法

3、的特性和空間索引的優(yōu)點(diǎn)，文章提出一種基于格網(wǎng)密度和空間劃分樹的聚類算法。算法充分借助了網(wǎng)格和空間索引的優(yōu)勢，使算法的時(shí)間復(fù)雜度與數(shù)據(jù)規(guī)模近似呈現(xiàn)線性關(guān)系。同時(shí)該算法具有能發(fā)現(xiàn)任意形狀的簇、對噪聲數(shù)據(jù)和數(shù)據(jù)輸入順序不敏感等優(yōu)良特性。 4、針對算法的參數(shù)設(shè)置問題，本文提出了一種根據(jù)樣本數(shù)據(jù)的統(tǒng)計(jì)特性自行調(diào)整參數(shù)的方法，能有效地降低參數(shù)設(shè)置的難度，獲得了較好的聚類效果。 5、針對聚類有效性評價(jià)問題，本文提出了一種基于簇密度的適