一种基于局部密度的分布式聚类挖掘算法

被引：18

作者：

倪巍伟 ^{[1
]}

陈耿 ^{[2
]}

吴英杰 ^{[1
]}

孙志挥 ^{[1
]}

机构：

[1] 东南大学计算机科学与工程学院

[2] 南京审计学院审计信息工程实验室

来源：

软件学报 | 2008年 / 09期

关键词：

分布式聚类; 局部密度聚类; 局部聚类模型; 密度吸引子; 高维数据;

D O I：

暂无

中图分类号：

TP311.13 [];

学科分类号：

1201 ;

摘要：

分布式聚类挖掘技术是解决数据集分布环境下聚类挖掘问题的有效方法.针对数据水平分布情况,在已有分布式密度聚类算法DBDC(density based distributed clustering)的基础上,引入局部密度聚类和密度吸引子等概念,提出一种基于局部密度的分布式聚类算法——LDBDC(local density based distributed clustering).算法适用于含噪声数据和数据分布异常情况,对高雏数据有着良好的适应性.理论分析和实验结果表明,LDBDC算法在聚类质量和算法效率方面优于已有的DBDC算法和SDBDC(scalable dellsity-based distributed clustering)算法.算法是有效、可行的.

引用

页码：2339 / 2348

页数：10