典型算法
STING:基于网格多分辨率,将空间划分为方形单元,对应不同分辨率
CLIQUE:结合网格和密度聚类的思想,子空间聚类处理大规模高维度数据
WaveCluster:用小波分析使簇的边界变得更加清晰...,转到步骤8,否则(7)
(7) 恢复数据到相关的单元格进一步处理以得到满意的结果,转到步骤(8)
(8) 停止
CLIQUE聚类算法
CLIQUE算法是结合了基于密度和基于网格的聚类算法...CLIQUE识别候选搜索空间的主要策略是使用稠密单元关于维度的单调性。这基于频繁模式和关联规则挖掘使用的先验性质。...,x1
90,70 表示为 80,10 80即平均数(频率),10是小范围波动数(振幅)
同理100,70表示为85,15
80和85是局部的平均值,反映的是频率,叫做低频部分(Low-Pass)...10和15是小范围波动的幅度,叫做高频部分(High-Pass)
即90,70,100,70经过一次小波变换,可以表示为80,85,10,15,低频部分在前(L),高频部分在后(H)
示例: