基于三支决策的密度聚类算法

摘要

三支聚类使用核心域,边界域和琐碎域三个集合来表示类簇,将确定的元素放入核心域中,不确定的元素放入边界域中延迟决策,降低了决策风险。本文将含有噪声的基于密度的聚类算法(Density Based Spatial Clustering of Application with Noise, DBSCAN)与三支聚类进行结合,利用数学形态学中的腐蚀和膨胀思想,用自然最近邻算法定义了一个结构算子,对二支聚类的结果通过收缩和膨胀得到核心域和边界域。在UCI数据集和Shape数据集上的实验结果显示,该方法可以有效降低DBI的值,同时提高ACC和AS的值。