基于尺度转换机制的多尺度聚类挖掘算法摘要: 传统的多尺度聚类挖掘一般都是通过引入多尺度挖掘参数来调节每次聚类的尺度特征, 实现在各种尺度上聚类的效果。但这种多尺度聚类算法计算量大, 而在用户不感兴趣的尺度上实现的聚类结果造成计算资源的浪费, 亦不能实现在某种尺度上实时的聚类结果。基于传统多尺度聚类挖掘算法的不足,本文提出了一种基于重要尺度的多尺度聚类挖掘算法 iMSCA( i mportant M ulti S cale C lustering A lgorithm) ,首先在重要尺度是实现聚类挖掘结果, 再通过尺度转换机制将这种聚类挖掘结果进行转换求得用户感兴趣的其它尺度的聚类结果。实验数据表明, 本文提出的算法 iMSC A 同传统的多尺度聚类挖掘算法相比具有较好的性能。 Or : 提出了一种基于重要尺度的多尺度聚类挖掘算法 iMSCA(important MultiScale Clustering Algorithm) ,同传统的多尺度聚类挖掘算法不同,基于重要尺度的多尺度聚类挖掘算法首先在指定的重要尺度实现聚类挖掘结果, 再通过尺度转换机制求得用户感兴趣的其它尺度的聚类结果。实验数据表明, 本文提出的算法 iMSCA 同传统的多尺度聚类挖掘算法相比具较好的性能。关键词: 聚类挖掘、多尺度、尺度转换机制 Abstract : An important MultiScale Clustering Algorithm (iMSCA) is proposed. Unlike the traditional multiscale clustering algorithms, iMSCA clusters the data on an important scale, th
