论文部分内容阅读
提出了一种基于相似度的网格聚类算法（SGCA）。该算法主要利用网格技术去除数据集中的部分孤立点或噪声，使用边界点闽值函数提取类的边界点，最后利用相似度方法进行聚类。SGCA算法只要求对数据集进行一遍扫描。实验表明，该算法可扩展性好．能处理任意形状和大小的聚类，能够很好地识别出孤立点或噪声，它不仅适用于综合数据集，而且对高维数据集也具有较好的聚类结果。还引进了网格核技术，进一步改善了SGCA算法的时间复杂度。