密度可达相关论文
近年来,随着计算机技术在世界范围内的快速发展,每天都会产生大规模、高维度、多类型混合的数据,且数据增加的速率也在不断上升,我......
在分析常用聚类算法的特点和适应性基础上提出一种基于密度与划分方法的聚类算法.该算法根据数据对象密度分布状态来自动确定聚类......
由于传统kNN算法在不平衡数据中的分类误差较大,故结合DBSCAN算法、熵权法以及密度可达的思想,生成动态k值来改进kNN算法(ded-kNN)......
在DBSCAN算法中需要人工输入Eps和MinPts两个参数,因而聚类过程需要用户的干预才能进行,导致聚类结果的准确度直接取决于用户对参......
传统聚类算法往往只适用于静态数据集的聚类。对于动态数据集,新增数据后,前期的聚类结果不再可靠,运用此类算法则需要重新聚类,这......
为对多密度数据集聚类,提出一种基于密度可达的多密度聚类算法。使用网格划分技术来提高计算每个点密度值的效率,每次聚类都是从最......
针对面向聚类的数据隐私发布问题,基于密度可达邻域的概念,提出一种面向聚类的隐私保护模型PPC(r,ε,h).该模型通过要求隐藏后所有......
