基于动态的网格相对密度差聚类算法研究

现有大多数多密度聚类算法存在参数依赖性较高、精确度较低的问题。提出一种基于网格相对密度差的扩展聚类算法(ECRGDD)的改进算法，即基于动态的网格相对密度差聚类算法（CDGRDD)。CDGRDD针对ECRGDD对于中心密度大、边缘密度稀疏的类聚类效果差的问题，把初始单元网格密度定义为动态，在密度相似相邻的网格合并时加入一个距离判断条件，由此减少盲目合并的可能性。实验表明，CDGRDD能有效对多密度、任意形状的数据进行聚类。