一种基于离群点的聚类迭代检测算法

摘要：

大多数数据挖掘算法都可以对数据进行相对准确的分类,然而他们都集中于单独地使用聚类的方法.所以对于离群点存在的数据集,常常不能得出准确的结果.而COID算法(Cluster-outlier Iterative detection)把簇和离群点巧妙地结合起来,通过它们之间的关系来检测离群点并进行合理聚类.为进一步提高该算法的实用性,现利用prim算法确定初始簇中心,从而降低了迭代次数,实验证明改进后的算法具有更好的可行性、有效性和准确性,适合于高维数据中对于聚类检测的要求.

关键词：迭代算法、聚类、COID、离群点检测、prim算法

所属期刊栏目：12

分类号：TP301.6(计算技术、计算机技术)

资助基金：国家自然科学基金61271249

在线出版日期：2013-02-22（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：9725-9729