Grid-Based Clustering Using Boundary Detection

doi:10.3390/e24111606

Grid-Based Clustering Using Boundary Detection

2022-11-04

0

OA

AI

DOI：10.3390/e24111606

原文链接

查看原文

摘要

En 中文

聚类可以分为五类：划分、层次、基于模型、基于密度和基于网格的算法。其中，基于网格的聚类在处理空间数据方面效率很高。然而，传统的基于网格的聚类算法仍然面临许多问题：(1) 参数调整：密度阈值难以调整；(2) 数据挑战：具有重叠区域和不同密度的簇处理效果不佳。我们提出了一种新的基于网格的聚类算法，命名为GCBD，可以解决上述问题。首先，使用标准网格结构定义节点的密度估计。其次，GCBD采用迭代边界检测策略来区分核心节点和边界节点。最后，结合两种聚类策略对核心节点进行分组并分配边界节点。在18个数据集上的实验表明，所提出的算法优于6种基于网格的竞争算法。

Grid-Based Clustering Using Boundary Detection

摘要

AI总结

期刊

机构

引用论文