一种快速山峰聚类算法  

Quick mountain clustering algorithm

作　　者：陈晓云[1] 敏玉芳[1] 郑良仁[1] 杨丽[2] 

机构地区：[1]兰州大学计算机科学与工程学院,兰州730000 [2]新疆职业大学,乌鲁木齐830011

出　　处：《计算机应用研究》2008年第7期2043-2045,共3页Application Research of Computers

基　　金：甘肃省自然科学基金资助项目(3ZS051-A25-035)

摘　　要：山峰聚类既可以对数据集进行近似聚类,又可以为其他聚类方法提供聚类所需的初始聚类中心。减法聚类是山峰聚类的改进,它避免了山峰聚类中出现的计算量随样本维数增加呈指数增长的情况。但减法聚类对处理大样本集也力不从心。引入了P-tree数据结构,对高维大样本集进行分解,然后用减法聚类对子样本集进行聚类。此算法既避免了山峰聚类的维数灾难问题,也解决了减法聚类中样本数太大的问题。实验结果证明,该算法有效地减少了运算量,提高了聚类的速度。A new clustering technique is described, which is an improvement on the mountain method （MM） of clustering originally. For higher dimensional data sets, the MM approach becomes computationally unattractive or even infeasible. Subtractive clustering method is an improvement on the mountain method. But for large data sets the SCM can still be computationally intensive. This paper used P-tree data structure to decomposing the higher dimensional and large data sets, then clustered the small data sets using SCM. The method not only avoids the question of higher dimensional, but also solves the shortage of large data sets of SCM.

关 键 词：聚类分析 山峰聚类法 减法聚类 P-TREE 无监督学习 

分 类 号：TP391.4[自动化与计算机技术—计算机应用技术]