计算机软件及计算机应用论文_基于边界点检测的-计算机应用

一、本刊要求作者有严谨的学风和朴实的文风，提倡互相尊重和自由讨论。凡采用他人学说，必须加注说明。二、不要超过10000字为宜，精粹的短篇，尤为欢迎。三、请作者将稿件（用WORD格式）发送到下面给出的征文信箱中。四、凡来稿请作者自留底稿，恕不退稿。五、为规范排版，请作者在上传修改稿时严格按以下要求： 1．论文要求有题名、摘要、关键词、作者姓名、作者工作单位（名称，省市邮编）等内容一份。 2．基金项目和作者简介按下列格式：基金项目：项目名称（编号）作者简介：姓名（出生年－），性别，民族（汉族可省略），籍贯，职称，学位，研究方向。 3．文章一般有引言部分和正文部分，正文部分用阿拉伯数字分级编号法，一般用两级。插图下方应注明图序和图名。表格应采用三线表，表格上方应注明表序和表名。 4．参考文献列出的一般应限于作者直接阅读过的、最主要的、发表在正式出版物上的文献。其他相关注释可用脚注在当页标注。参考文献的著录应执行国家标准GB7714-87的规定，采用顺序编码制。

计算机软件及计算机应用论文_基于边界点检测的

作者:

关键词:

摘要：

文章摘要: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。但是，在实际应用中，该类算法面临着由于数据集中不同类的密度分布不均，且类与类之间的边界难以区分等导致聚类效果较差的问题。为了解决以上问题，提出了一个基于边界点检测的变密度聚类算法。首先，基于给出的相对密度度量方法识别变密度类之间的边界点，以此来增强相邻类的可分性；其次，对非边界区域的点进行聚类以找到数据集的核心类结构；接着，依据高密度近邻分配原则将检测到的边界点分配到相应的核心类结构中；最后，基于类结构信息识别数据集中的噪声点。在人造数据集和UCI数据集上与Kmeans、DBSCAN、DPCA、CLUB、BP聚类算法进行了比较分析。实验结果表明，提出的算法可以有效解决类分布密度不均、边界难以区分的问题，并在ARI、NMI、FM、ACC评价指标上优于已有算法；在运行效率分析中，当数据规模较大时，VDCBD算法运行效率高于DPCA、CLUB和BP算法。

文章关键词:

论文分类号:TP311.13

文章来源：《计算机应用》网址: http://www.jsjyyzzs.cn/qikandaodu/2022/0124/986.html