一種能發現自然聚類的聚類算法

摘要：目前的聚類算法如K-means、DBSCAN等，采用全局參數而難以發現數據的自然聚類，提出一種新的分級聚類算法CIUFNC，能夠在數據空間中發現內部聚類特征。該算法的參數包括網格大小、噪聲閾值和神經節點數量。算法首先根據參數對數據空間劃分網格，接著使用高斯影響函數計算每個單元的場強，然后針對網格位置和網格的場強使用SOM進行聚類，最后使用Chameleon算法對SOM聚類得到的神經網絡節點的權值進行聚類，并把聚類結果映射回原始數據空間以得到最終聚類結果。理論分析和實驗結果證明，該算法能夠發現數據空間內更自然的聚類，而且具有較高的執行效率。 關鍵詞：數據挖掘；聚類；神經網絡；網格；動態模型 中圖分類號：TP301.6 文獻標志碼：A 文章編號：1001－3695(2009)08－2871－03