一种新的位置不确定性聚类算法UCNDBSCAN
小型微型计算机系统（2018）
摘要
位置不确定性数据的聚类是一个新的不确定性数据聚类问题.目前对于这一类问题的聚类算法主要以划分聚类为主,而划分聚类有着无法区分任意形状簇和无法分离离群点等缺点;已有的一些基于密度的聚类算法,存在单单考虑对象间距离的均值,忽略距离变化范围,参数敏感性大和计算复杂度高等缺点.鉴于此,提出一种基于联系数的位置不确定数据密度聚类算法-UCNDBSCAN.该算法用联系数巧妙地表示不确定性对象,并专门定义了对象间的联系距离,运用联系数态势值理论定义新的对象间距离衡量标准,克服了现有算法的不足.仿真实验表明,UCNDBSCAN具有聚类精度高、参数敏感度低、计算复杂度低、实用性强的特点.
更多AI 理解论文
溯源树
样例
生成溯源树，研究论文发展脉络
Chat Paper
正在生成论文摘要