【技术实现步骤摘要】
一种基于边界点匹配的聚类方法
本专利技术属于数据挖掘领域，具体是一种基于边界点匹配的聚类方法。
技术介绍
聚类分析是一种无监督的机器学习方法，可以用来分析数据集的结构特征。聚类有效性指标可以对聚类结果进行评价，是聚类分析的重要组成部分。现有的聚类有效性指标主要用来确定最优聚类数，比如Davies-Bouldin指标、TibshiraniGapstatistics指标、Xie-Beni指标等。然而，这些指标具有以下缺点：1)固定的聚类算法。现有的聚类有效性指标大多数基于C-means和FCM算法的聚类结果，而对于其他聚类算法(例DBSCAN)则没有与其对应的聚类有效性指标。2)固定的参数。现有的聚类有效性指标只能对最佳聚类数进行评价，而不能评价聚类过程中的其他参数，比如DBSCAN算法中的邻域半径。
技术实现思路
本专利技术的目的在于克服现有技术的上述不足，提出一种基于边界点匹配的聚类方法。首先按照一定的规则将整个数据集划分为边界与内点，再在某一聚类算法下将数据集划分成若干个聚类，并计算每个...
【技术保护点】
1.一种基于边界点匹配的聚类方法，包括下列步骤：/n1)定义边界点/n设X＝{x
【技术特征摘要】
1.一种基于边界点匹配的聚类方法，包括下列步骤：
1)定义边界点
设X＝{x1,x2,...,xn}是d维空间中的数据集；记数据集中任意两点xi，xj之间的距离为dist(xi,xj)，任意一点xk的p近邻即为距离xk最近的第p个点；定义xk的p近邻密度为前p个近邻距离之和的倒数，如公式(1)所示；
通常，取p＝[2dπ]；如果一个点的[2dπ]近邻中，有多于一半的点的密度均大于该点，则定义该点为边界点；反之，为内点；
2)计算边界点匹配指标值
...
【专利技术属性】
技术研发人员：李奇，岳士弘，丁明亮，高晓峰，
申请(专利权)人：天津大学，
类型：发明
国别省市：天津;12
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。