改进的共享最近邻聚类算法

摘要：

聚类是一种无监督的机器学习方法,其任务是发现数据中的自然簇.共享最近邻聚类算法(SNN)在处理大小不同、形状不同以及密度不同的数据集上具有很好的聚类效果,但该算法还存在以下不足:(1)时间复杂度为D(n<'2>),不适合处理大规模数据集;(2)没有明确给出参数阁值的简单指导性操作方法;(3)只能处理数值型属性数据集.对共享最近邻算法进行改进,使其能够处理混合属性数据集,并给出参数阁值的简单选择方法,改进后算法运行时间与数据集大小成近似线性关系,适用于大规模高维数据集.在真实数据集和人造数据集上的实验结果表明,提出的改进算法是有效可行的.

关键词：共享最近邻聚类算法、一趟聚类算法、大规模数据集

所属期刊栏目：47

分类号：TP393(计算技术、计算机技术)

资助基金：国家自然科学基金the National Natural Science Foundation of China under Grant 6107006

在线出版日期：2011-07-04（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：138-142