论文部分内容阅读
大多数数据挖掘算法都可以对数据进行相对准确的分类，然而他们都集中于单独地使用聚类的方法。所以对于离群点存在的数据集，常常不能得出准确的结果。而COID算法（Cluster—outlierlterativedetection）把簇和离群点巧妙地结合起来，通过它们之间的关系来检测离群点并进行合理聚类。为进一步提高该算法的实用性，现利用prim算法确定初始簇中心，从而降低了迭代次数，实验证明改进后的算法具有更好的可行性、有效性和准确性，适合于高维数据中对于聚类检测的要求。