一种可用于数据集优化的网格相似度聚类算法研究

针对传统对象间相似度的度量方法的缺陷，提出了一种改进的网格相似度聚类算法。该算法引入了新的相似度度量标准，并使用密度阈值处理技术来定义网格的密度阈值，提高了聚类的精度。同时还利用信息熵的概念对高维数据集进行了处理，对数据集的维度具有很好的扩展性。在与传统算法的对比实验中显示出一定的优越性。