论文部分内容阅读
CLARA是k-中心值聚类的一种算法,在处理大型数据集的聚类问题时,比PAM(围绕中心点的划分)更具有良好的伸缩性,但CLARA算法随机抽样中存在采样不准确的缺点。本文针对这一不足.使用了数据场的概念对CLARA聚类算法进行了有益的改进,提高了采样的准确性.使其更适合于对大型多雏数据集的处理.提高了挖掘结果的质量。