清晨好,您是今天最早来到科研通的研友!由于当前在线用户较少,发布求助请尽量完整的填写文献信息,科研通机器人24小时在线,伴您科研之路漫漫前行!

A geometric-based clustering method using natural neighbors

聚类分析 计算机科学 水准点(测量) 噪音(视频) 数据挖掘 数据库扫描 数据点 模式识别(心理学) 算法 数学 人工智能 相关聚类 CURE数据聚类算法 大地测量学 图像(数学) 地理
作者
Shahin Pourbahrami,Mahdi Hashemzadeh
出处
期刊:Information Sciences [Elsevier]
卷期号:610: 694-706 被引量:9
标识
DOI:10.1016/j.ins.2022.08.047
摘要

Neighborhood-based and density-based clustering methods are applied in various data analysis applications. However, most of them have low performance in mixed heterogeneous datasets, and high computational cost. To mitigate these challenges, in this paper, a geometric-based clustering method is proposed which uses the concept of natural neighborhoods to extract the local density of data points. At the first stage of the algorithm, primary clusters are formed by identifying dense points that have a higher number of natural neighbors. Then, the heads of the clusters are extracted in dense points, based on the local natural density criterion. Afterward, a novel natural neighborhood-based method is applied to identify the points having a low number of natural neighbors, which called weak or noise data points. Finally, the desired clusters are obtained by ignoring the weak/noise points. The computational complexity of the proposed method is O(nlogn). The proposed method is independent of any specific parameter setting. The results of experiments on benchmark datasets confirm that it achieves a higher performance compared to the competitors.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
Nancy发布了新的文献求助10
5秒前
HCCha完成签到,获得积分10
18秒前
Singularity举报顺顺欣求助涉嫌违规
21秒前
zcydbttj2011完成签到 ,获得积分10
26秒前
Nancy发布了新的文献求助10
39秒前
川藏客完成签到 ,获得积分10
1分钟前
小强完成签到 ,获得积分10
1分钟前
Hairmon完成签到 ,获得积分10
1分钟前
1分钟前
不配.应助滕皓轩采纳,获得10
1分钟前
2分钟前
2分钟前
庆次完成签到 ,获得积分10
2分钟前
spring完成签到 ,获得积分0
2分钟前
Shao_Jq完成签到 ,获得积分10
2分钟前
Hiaoliem完成签到 ,获得积分10
2分钟前
zz完成签到 ,获得积分10
2分钟前
我是笨蛋完成签到,获得积分10
2分钟前
wt关闭了wt文献求助
3分钟前
高兴的海亦完成签到,获得积分10
3分钟前
supermaltose完成签到,获得积分10
3分钟前
秋夜临完成签到,获得积分10
3分钟前
3分钟前
3分钟前
糊涂的青烟完成签到 ,获得积分10
3分钟前
荀煜祺发布了新的文献求助10
3分钟前
3分钟前
冷傲凝琴完成签到,获得积分10
3分钟前
4分钟前
正直的沛凝完成签到,获得积分10
4分钟前
重重重飞完成签到 ,获得积分10
4分钟前
5分钟前
听话的招牌完成签到,获得积分10
5分钟前
Java完成签到,获得积分10
5分钟前
何晓俊完成签到,获得积分10
5分钟前
wt驳回了小蘑菇应助
5分钟前
ccc完成签到 ,获得积分10
5分钟前
热带蚂蚁完成签到 ,获得积分10
5分钟前
croissante完成签到 ,获得积分10
5分钟前
1Yer6完成签到 ,获得积分10
5分钟前
高分求助中
Sustainability in Tides Chemistry 2000
Microlepidoptera Palaearctica, Volumes 1 and 3 - 13 (12-Volume Set) [German] 1122
Дружба 友好报 (1957-1958) 1000
The Data Economy: Tools and Applications 1000
Mantiden - Faszinierende Lauerjäger – Buch gebraucht kaufen 700
PraxisRatgeber Mantiden., faszinierende Lauerjäger. – Buch gebraucht kaufe 700
A Dissection Guide & Atlas to the Rabbit 600
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3099800
求助须知:如何正确求助?哪些是违规求助? 2751277
关于积分的说明 7612141
捐赠科研通 2403037
什么是DOI,文献DOI怎么找? 1275146
科研通“疑难数据库(出版商)”最低求助积分说明 616276
版权声明 599053