基于深度强化学习的网格排序聚类算法

扫码查看

原文链接

NETL
NSTL
万方数据

中文摘要：在数据聚类中,网格中的数据点分布可能极不均匀.某些区域可能密集分布着大量数据点,而另一些区域则可能只有很少或没有数据点,不均匀分布影响着网格数据聚类效果.为此,提出基于深度强化学习的网格排序聚类算法.通过定义和构建网格单元,基于网格单元中数据点的数量对网格进行排序,提取出高密度网格区域.利用深度强化学习框架,对高密度网格序列进行迭代优化,将具有相似属性的网格聚类到同一簇中,从而实现精准的网格排序和聚类.实验结果表明,所提出的算法在F-measure上不低于97%,且聚类框与实际框的交并比不低于0.96,有效提高了网格数据的处理效率和聚类准确性.

作者：

高谨

展开 >

作者单位：

菏泽医学专科学校山东菏泽 274000

关键词：

深度强化学习网格单元排序聚类精准聚类 F-measure

出版年：

2024

DOI：

10.3969/j.issn.1672-9528.2024.08.024

信息技术与信息化

山东电子学会

信息技术与信息化

影响因子：0.29

ISSN：1672-9528

年,卷(期)：2024.(8)