基于改进局部密度的可扩展层次聚类算法OA北大核心CSTPCD
Density-based scalable hierarchical clustering
层次聚类是无监督学习的重点研究方向,由于其结果易于分析,因此被广泛应用于数据挖掘领域.目前大多数层次聚类算法都需要根据数据的成对距离进行簇合并操作,因此具有较高的复杂度(不论是时间或空间),无法用于大规模数据的处理.针对以上问题,提出了一种基于改进局部密度的可扩展层次聚类算法(Density-based Scalable Hierarchical Clustering,DBSC).该算法根据数据间的最近邻关系构造最近邻图,并在每个最近邻分量上根据…查看全部>>
Hierarchical clustering is an important research area in unsupervised learning.Due to its good interpretability,it is widely used in data mining.Most hierarchical clustering algorithms merge the clusters by calculating pairwise distances.Unfortunately,this step has high complexity(in both time and space),making it inapplicable in large-scale datasets.This paper proposes a density-based scalable hierarchical clustering algorithm(DBSC).Firstly,the algorithm co…查看全部>>
陈斌;谢文波;付勋;张恒基;王欣
西南石油大学计算机科学学院,成都,610500西南石油大学计算机科学学院,成都,610500西南石油大学计算机科学学院,成都,610500西南石油大学计算机科学学院,成都,610500西南石油大学计算机科学学院,成都,610500
计算机与自动化
层次聚类局部密度最近邻图互惠最近邻
hierarchical clusteringlocal density peaknearest neighbor graphreciprocal nearest neighbor
《南京大学学报（自然科学版）》 2024 (3)
370-382,13
四川省成都市西南石油大学青年学者发展基金(202199010142),四川省科技创新人才基金(2022JDRC0009),西南石油大学自然科学"启航计划"(2023QHZ010),四川省自然科学基金(2024NSFSC1464)
评论