数据挖掘中基于密度的聚类结构及算法设计  

Density-based Clustering Structure and Its Algorithm Design for Data Mining

作　　者：洪龙[1] 陈燕俐[1] 王建东[2] 朱梧槚[2] 

机构地区：[1]南京邮电学院计算机科学与技术系,江苏南京2100032 [2]南京航空航天大学信息科学与技术学院,江苏南京210016

出　　处：《南京邮电学院学报（自然科学版）》2003年第4期6-11,共6页Journal of Nanjing University of Posts and Telecommunications

基　　金：国家重点基础研究发展规划973(G1999032701);国家自然科学基金(60273037)资助项目

摘　　要：聚类分析是数据挖掘的主要技术之一。其中基于密度的聚类可以得到任意形状的聚类结果,从而可以观察到一个并发的、完整的聚类结构。对聚类、数据对象、簇的密度、基于密度的方法和OP TICS中的基本概念进行了描述,在此基础上,明确定义了簇的密度,建立了关于ζ的基于密度的簇、密度度量函数等概念,并设计了获得聚类结构的相应算法且对其进行了复杂性分析。Cluster analysis is one of key technologies for data mining. Compared with other methods, clusters with arbitrary shape can be discovered by density-based clustering and therefore one complete and concurrent clustering structure may be observed.Following the description of the concepts, clustering, data object and the concepts in OPTICS(Ordering Pointers to Identify the Clustering Structure),density of cluster is defined explicitly and density-based cluster with respect to ζ and density-measured function are established. Moreover, the algorithms of obtaining clustering structure are designed and their complexities are analyzed.

关 键 词：数据挖掘 聚类结构 簇密度 数据对象 数据库 

分 类 号：TP311.13[自动化与计算机技术—计算机软件与理论]