密度聚类算法因具有对噪声鲁棒、能够发现任意形状的类等优点，得到了广泛的应用。然而，在实际应用中，这种算法面临着由于数据集中不同......

密度峰值聚类算法(density peaks cluster, DPC)是一种基于密度的聚类算法,该算法可以聚类任意形状的类簇。在类簇间有密度差距的......

从大型数据集中发现有趣的，有用的且预先未知的知识的过程被称为数据挖掘。数据挖掘又称数据库中的知识发现，是数据库研究最活跃的领......

数据挖掘技术可以从大量数据中发现潜在的、有价值的知识,它给人们在信息时代所积累的海量数据赋予了新的意义。聚类分析作为其重......

近年来随着生物医学工程的迅猛发展，测量技术的提高使得大量的医学信息以电子格式被记录下来，这些信息不仅包括CT影像，X光片，各项生理......

针对DBSCAN算法中最小点数和最大邻域半径难以确定、算法时间开销大、对起始数据点的选择比较敏感,以及难以发现不同密度下的邻近......

提出了一种快速的稀有类检测算法——CATION（rare category detection algorithm based on weightedboundary degree）.通过使用加权......

为了有效检测聚类的边界点,提出了结合对象的密度及其Eps-邻域中数据的分布特点进行的边界点检测技术和边界点检测算法——BOUND。......