• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>Journal of Discrete Mathematical Sciences and Cryptography >Local Density-based Hierarchical Clustering using Minimum Spanning Tree
【24h】

Local Density-based Hierarchical Clustering using Minimum Spanning Tree

机译：使用最小生成树的基于局部密度的分层聚类

获取原文
获取原文并翻译 | 示例
           
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

In this paper, we propose a clustering algorithm to find clusters of different sizes, shapes and densities. Density and Hierarchical based approaches are adopted in the algorithm using Minimum Spanning Tree, resulting in a new algorithm - Local Density-based Hierarchical Clustering Algorithm using Minimum Spanning Tree (LDHCMST). The algorithm is divided into two stages. In the first stage, local density is estimated at each data point. In the second stage, hierarchical approach is used by merging clusters according to the cluster distance. The proposed algorithm improves the effectiveness of clustering result in which data are distributed in different shapes and different density, and that it can get a better clustering efficiency.
机译：在本文中，我们提出了一种聚类算法来查找不同尺寸，形状和密度的集群。 使用最小生成树采用密度和基于分层的方法，导致使用最小生成树（LDHCMST）的新算法 - 基于算法的基于局部密度的分层聚类算法。 该算法分为两个阶段。 在第一阶段，在每个数据点估计局部密度。 在第二阶段，通过根据群集距离合并群集来使用分层方法。 该算法提高了集群结果的有效性，其中数据以不同的形状和不同的密度分布，并且它可以获得更好的聚类效率。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号