论文研究-一种基于图论的聚类算法NeiMu.pdf

提出一种新的基于图论的聚类算法NeiMu。该算法首先分析数据中的对象，寻找每个对象的k近邻，根据k近邻关系构造k近邻有向图，然后通过k近邻有向图中的k-互邻居关系构造k-聚类图，发现数据中的自然聚类。算法的特点是根据数据之间的互为k近邻关系确定数据中的自然簇，而不必引入其他方法来划分小簇，从而能够保证对象不会被错误聚类，仅会与其他小簇一起融合到一个大簇中。这一优点可以有效保证NeiMu算法的聚类质量。而且，NeiMu算法给出的这种类似自底向上的层次聚类结果还有利于用户根据渐变的结果确定最佳的k值。实验结果表明，该算法对密度变化大的数据、大小相差大的数据、任意分布形状的数据均具有很好的聚类质量，