基于范例推理的网格和密度聚类算法

摘要

本文提出了一种有效基于范例推理的基于网格和密度的聚类算法,利用范例相似性确定选择和主题相似性大的数据维度,在所选择的数据空间中利用一个典型的基于网格和密度的聚类算法进行聚类分析,从而使聚类分析准确有效.本算法的不足之处在于寻求如何对算法需要的输入参数ξ和τ提供系统支持.从算法的特点来看,在算法的整个执行过程中τ的值不宜保持不变,因为随着算法的递归运行,当前考虑的子空间维数的增加,数据空间被划分成了更多的网格,这样落入到单个网格中的点数必然减少.所以说,若τ保持不变,则最后能找到的子空间的维数就基本定了.可以考虑让τ变化或者用排序、剪切的方法来尝试解决这个问题.