Combined Density-based and Constraint-based Algorithm for Clustering
陈同孝, 陈荣昌, 林志强, 邱永兴 · 东华大学学报：英文版 · 2006
我们建议快速帮助研究人员到的一个新聚类算法并且精确地分析数据。我们叫基于密度的联合的这个算法和基于限制的算法(CDC ) 。CDC 由二个阶段组成。在第一个阶段， CDC 采用基于密度的聚类的算法的想法把原来的数据切成很多碎裂的簇。同时， CDC 割掉噪音和孤立点。在第二个阶段， CDC 采用聚类算法选择更大的簇是中心的 K 工具的概念。然后，更大的簇合并在中心簇附近满足某限制 rules.Due 到合并的簇的一些更小的簇，聚类的结果显示出高 accu 鹇。而且， CDC 减少计算并且加快聚类的过程。在这份报纸， CDC 的精确性被评估并且与那些相比 K 工具，层次聚类，并且基因聚类算法(GCA ) 在 2004 求婚了。试验性的结果证明 CDC 有更好的性能。