论文部分内容阅读
为解决传统聚类算法不能处理非球形分布数据的问题，文[5]提出了一种自适应k近邻聚类算法。该算法在无需聚类数目的前提下，能有效解决非球形分布数据的聚类问题。但进一步的研究表明，该算法在处理带“奇异”样本的数据集时失去效果。为此，该文给出了一种改进的自适应k近邻聚类算法。仿真结果表明，新算法不仅保持了原算法在处理非球形分布数据时的优良特性，还成功解决了“奇异”样本问题。