一种新的聚类算法:等密度线算法

北京邮电大学学报 ›› 2002, Vol. 25 ›› Issue (2): 8-13.

一种新的聚类算法:等密度线算法

赵艳厂,谢帆,宋俊德

北京邮电大学电子工程学院, 北京 100876

收稿日期:2001-06-25 出版日期:2002-03-10
作者简介: 赵艳厂(1977-),男,博士研究生
基金资助:

DILC: A Clustering Algorithm Based on Density-isoline

ZHAO Yan-chang, XIE Fan, SONG Jun-de

Electronic Engineering School, Beijing University of Posts and Telecommunications, Beijing 100876, China)

Received:2001-06-25 Online:2002-03-10
Supported by:

摘要/Abstract

摘要： 提出了一种新的聚类算法:等密度线聚类算法。该算法从样本分布等密度线图的思想出发,从图中找出样本分布比较集中的区域,从而发现隐含在样本集中的类。等密度线聚类算法不需要输入任何参数,是一种无监督式聚类。它能够自动发现任意形状的类,并且能有效地排除噪声干扰。实验结果表明,等密度线聚类算法具有较快的聚类速度和较好的聚类效果。

关键词: 数据挖掘, 聚类, 等密度线聚类

Abstract: A new clustering algorithm, density-isoline clustering(DILC) algorithm is put forward in this paper. DILC starts from the density-isoline figure of samples, and finds relatively dense regions, which are clusters. DILC is capable of eliminating outliers and discovering clusters of various shapes. It is an unsupervisedclustering algorithm because it requires no interaction. The high accuracy andefficiency of DILC clustering algorithm are shown in our experiments.

Key words: data mining, clustering, density-isoline clustering

中图分类号:

TP181
O235

赵艳厂,谢帆,宋俊德. 一种新的聚类算法:等密度线算法[J]. 北京邮电大学学报, 2002, 25(2): 8-13.

ZHAO Yan-chang, XIE Fan, SONG Jun-de. DILC: A Clustering Algorithm Based on Density-isoline[J]. JOURNAL OF BEIJING UNIVERSITY OF POSTS AND TELECOM, 2002, 25(2): 8-13.

[1]	孙艺夏启钊. 半监督聚类目标下粒子群算法的分析与改进[J]. 北京邮电大学学报, 2020, 43(5): 0-0.
[2]	温卫. 基于密度聚类的容迟网络路由协议研究[J]. 北京邮电大学学报, 2020, 43(5): 0-0.
[3]	张志华王梦情毛文涛刘春红程渤. 基于时序相关性的云平台多负载序列联合预测[J]. , 2020, 43(4): 68-75.
[4]	何倩, 李双富, 黄焕, 徐红. 一种海量数据快速聚类算法[J]. 北京邮电大学学报, 2020, 43(3): 118-124.
[5]	双锴, 李怡雯, 吕志恒, 韩静, 刘建伟. 基于归一化特征判别的日志模板挖掘算法[J]. 北京邮电大学学报, 2020, 43(1): 68-73.
[6]	苏东, 余宁梅. 基于深度学习的OBD端口占用状态自动识别算法[J]. 北京邮电大学学报, 2019, 42(6): 49-57.
[7]	张嘉驰, 刘留, 周涛, 王凯, 朴哲岩. 基于机器学习的无线信道簇的提取与轨迹追踪[J]. 北京邮电大学学报, 2019, 42(4): 126-132.
[8]	项英倬, 魏强, 游凌. 基于通联行为的信息传播模式挖掘方法[J]. 北京邮电大学学报, 2019, 42(3): 83-90.
[9]	袁仁进, 陈刚, 李锋, 魏双建. 基于VSM和Bisecting K-means聚类的新闻推荐方法[J]. 北京邮电大学学报, 2019, 42(1): 114-119.
[10]	杨福兴, 胡智超, 孔继利. 基于动态聚类混合拓扑结构粒子群算法的PDVRPTF[J]. 北京邮电大学学报, 2019, 42(1): 16-21.
[11]	吉星, 黄韬, 鄂新华, 孙礼. 基于日志信息的DNS查询异常检测算法[J]. 北京邮电大学学报, 2018, 41(6): 83-89.
[12]	刘永利, 郭呈怡, 王恒达, 晁浩. 增量式模糊C有序均值聚类算法[J]. 北京邮电大学学报, 2018, 41(4): 29-36.
[13]	冯霞, 张江, 左海超. 一种基于查询聚类的物化视图动态调整策略[J]. 北京邮电大学学报, 2018, 41(4): 16-22.
[14]	毛洪亮, 吴震, 贺敏, 唐积强, 沈蒙. 基于启发式的比特币地址聚类方法[J]. 北京邮电大学学报, 2018, 41(2): 27-31.
[15]	秦童, 孙斌, 朱春鸽, 刘悦, 胡秀妮. 虚拟计算环境下基于聚类的资源匹配优化模型[J]. 北京邮电大学学报, 2017, 40(s1): 63-67.