COOPERATIVE CLUSTERING BASED ON GRID AND DENSITY

摘要

在探索(派系) 和基于密度的聚类 method-density-based 基于基于格子的聚类 clusteringmethod 的特征的分析与噪音(DBSCAN ) 的应用的空间聚类，一个新聚类算法说出基于格子和密度(CLGRID ) 的合作聚类被介绍。新算法采用地区性的询问和密度单位鉴定的一条相等的规则。一个班的中央区域被一个基于密度的方法被基于格子的方法和边缘区域计算。由在二个阶段聚类并且以代表性的单位使用仅仅种子对象的一个小数字扩展簇，区域质问的频率能被减少，并且因而，时间的费用被减少。新算法保留基于格子、基于密度的方法的积极特征并且避免参数寻找的困难。它能与高效率发现任意的形状的簇并且不对噪音敏感。测试数据集合上的 CLGRID 的申请表明它的有效性和更高的效率，它与 R 树与传统的 DBSCAN 形成对照。