Efficient and Intelligent Density and Delta-Distance Clustering Algorithm
Efficient and Intelligent Density and Delta-Distance Clustering Algorithm
复制标题
高效智能的密度和距离聚类算法
DOI：
10.1007/s13369-017-3060-7
复制
发表时间：
2018-01
影响因子：
2.9
通讯作者：
Hanchi Zhao
中科院分区：
文献类型：
--
作者：
Xuejuan Liu;Jiabin Yuan;Hanchi Zhao
密度-距离聚类（DDC）是一种计算数据密度和距离的理想聚类方法。当这两个指标得出的数据很大时，这些区域可以被定义为集群中心。与其他聚类算法相比，DDC算法具有良好的聚类性能。但是，DDC具有较高的时间复杂度，需要人工识别集群中心。为了填补这些空白，本研究提出了一种高效、智能的DDC （EIDDC）算法。EIDDC首先使用基于位置敏感哈希（LSH）的采样方法获得小规模数据集。每个数据点的密度和增量距离都是从这个数据集中计算出来的，以减少时间复杂度。利用基于密度的空间聚类应用和基于噪声的离群点检测技术来智能识别聚类中心。实验结果表明，LSH可以很好地代表原始数据集，并且所提出的离群点检测方法可以识别给定数据集的聚类中心。结果也表明了EIDDC的有效性。
Density and delta-distance clustering (DDC) is an ideal clustering method that computes the density and delta distance of data. When data derived from the two indicators are large, these areas can be defined as cluster centers. DDC has good clustering performance compared with some other clustering algorithms. However, DDC has a high time complexity and requires manual identification of cluster centers. To fill these gaps, an efficient and intelligent DDC (EIDDC) algorithm is proposed in this study. EIDDC begins from using a sampling method based on locality-sensitive hashing (LSH) to obtain a small-scale dataset. The density and delta distance of each data point are calculated from this dataset to reduce time complexity. Cluster centers are intelligently recognized by utilizing density-based spatial clustering of applications with noise-based outlier detection technology. Experiment results show that LSH can obtain good representatives of the original dataset and that the proposed outlier detection method can recognize the cluster centers of a given dataset. The results also reveal the efficiency of EIDDC.
登录
查看更多内容
DOI：
10.1109/icsmc.2004.1400683
发表时间：
2004-10
期刊：
2004 IEEE International Conference on Systems, Man and Cybernetics (IEEE Cat. No.04CH37583)
影响因子：
--
作者：
P. Salgado;Paulo J. Garrido
通讯作者：
P. Salgado;Paulo J. Garrido
DOI：
10.1007/s13042-015-0486-7
发表时间：
2016-01
影响因子：
5.6
作者：
Qiang Wang;Guoliang Chen
通讯作者：
Qiang Wang;Guoliang Chen
DOI：
10.4086/toc.2012.v008a014
发表时间：
2012-07
期刊：
Theory Comput.
影响因子：
--
作者：
Sariel Har-Peled;P. Indyk;R. Motwani
通讯作者：
Sariel Har-Peled;P. Indyk;R. Motwani
影响因子：
2.7
作者：
Andrea Tagarelli;G. Karypis
通讯作者：
Andrea Tagarelli;G. Karypis
影响因子：
4.1
作者：
Dandan Miao;Xiaowei Qin;Weidong Wang
通讯作者：
Dandan Miao;Xiaowei Qin;Weidong Wang