摘要:针对CURE算法聚类过程中对噪音点敏感,随机抽样存在局限性,以及对收缩因子敏感且在大型数据集聚类方面效率欠佳的问题,提出一种基于MeanShift核函数平移模型DBSCAN算法改进的CURE算法,即DCNDA(density-based CURE noise detection clustering algorithm)。自适应参数的DBSCAN算法提高初步聚类精度和可靠性,引入质心公式改进CURE算法,避免受收缩因子影响,降低时间复杂度,提高算法全局收敛性和可靠性。仿真结果表明,DCNDA算法在时间复杂度、聚类准确率、异常值检测效率方面优于改进分区CURE算法和PDBSCAN算法。
注:因版权方要求,不能公开全文,如需全文,请咨询杂志社