论文部分内容阅读
聚类已成为数据挖掘的主要方法之一，能够帮助人们在大量的数据中发现隐藏信息。目前最具典型的密度聚类算法是DBSCAN（density—based spatial clustering of applications with noise），它能够在空间数据库中很好地发现任意形状的簇并有效地处理噪声，但是它的计算复杂度相对较大。因此，采用划分数据集和聚簇合并方法，提出了一种基于密度和网格的高效聚类算法DGCA，并通过人工合成数据集和真实数据集对该聚类算法进行理论验证。实验结果表明该算法在效率性能和质量方面比D