一种基于数据连续性的聚类方法

为了解决数据遗漏问题,根据类内样品点均匀分布的性质提出了一种新的聚类方法,即:先从样品集中获得蕴含式类,然后通过支持度获得标准类,最后通过隶属度标识类内成员的强弱程度。该方法仅对类内样品点均匀分布性敏感,不需要预先设置包括类核坐标、类间距离阈值等先验参数,对非凸性类也能有效分类。同时,实验表明该方法是一个具有较高性能的聚类方法。