数据挖掘技术中聚类算法的探索与研究

作者：申锐

来源：山西科技, 2009, (02): 90-91.

• 数据挖掘
• 聚类分析
• 簇
• 代表点
• 密度 data mining
• clustering algorithm
• cluster
• reference
• density

文章在对各种聚类算法深入分析的基础上,尤其在对基于密度的聚类算法、基于层次的聚类算法和基于划分的聚类算法深入研究的基础上,提出了一种改进基于密度和层次的快速聚类算法。该算法保持了基于密度聚类算法发现任意形状簇的优点,而且具有近似线性的时间复杂性,因此适合对大规模数据的挖掘。

• 单位
  山西交通职业技术学院