基于网格的聚类STING、CLIQUE(机器学习)

基于网格的聚类STING、CLIQUE(机器学习)_第1张图片

目录

基于网格的聚类

基于网格聚类的典型算法


基于网格的聚类


基于网格的聚类算法的基本思想是将每个属性的可能性分割成许多相邻的区间(例如将属性的值域离散化处理)

创建网格单元的集合,将数据空间划分为许多网格单元,然后以网格单元为单位计算每个单元中的对象数目。

删除密度小于阈值的单元之后,将邻接的高密度单元组合成簇。

基于网格的聚类与基于密度的聚类算法相比,基于网格的聚类运行速度更快,算法的时间复杂度更低

基于网格聚类的典型算法


STINGCLIQUE 等。STING 算法是一种基于网格的多分辨率技术,用分层和递归的方法将空间区域划分为对应不同分辨率的矩形单元。

STING算法中,网格是分层次的,高层的单元被继续划分为低一层的单元,最终在个网格内的对象作为一个簇。

CLIQUE 算法结合了基于密度和基于网格的聚类方法,因此能够用于发现任意形状的簇,同时能够处理较大的多维数据集。

CLIQUE 算法先将空间区域划分为网格单元,然后通过使用密度阈值来识别稠密单元,将满足密度阈值的低维单元逐渐合并成高维单元,最后把邻接高维高密度单元组成簇

你可能感兴趣的:(机器学习,聚类,算法)