邊界點

語言 :

計算機中的邊界點：

邊界點是數據集中一類有著特殊意義的數據對象。它們位於基於密度的簇的邊沿區域。邊界點處理在數據挖掘技術中有重要意義，它們代表了一類歸屬並不明確的個體，如果單純地依靠某種方法把其歸類到一個特定的簇中，其效果往往適得其反。邊界點不同於孤立點和噪聲點。孤立點是一類在統計上處於少數地位的對象，噪聲點是一類對統計產生干擾或者偏離一定分佈的對象，它們通常位於數據空間的低密區域中，而邊界點則不同，它們是數據空間中處於高密區域邊沿的一類數據對象，它們的一側是高密區域，一側是相對的低密區域。

聚類技術的研究是近幾年研究的一個熱點，已經提出的許多聚類算法，但是，對聚類邊界模式的探討還不多。聚類的邊界點是指位於高密聚類邊沿的一類數據對象，它代表了游離在兩個或多個類別之間的一類個體對象，其歸屬並不明確，它們常常具有兩個或兩個以上的聚類特徵。邊界點研究有著重要的應用價值。Chen Xia等提出了聚類邊界點檢測算法BORDER，其邊界點的定義如下：

定義邊界點(Boundary point)：一個邊界點p是指滿足下列兩個條件的數據對象：

（1）它位於一個高密的區域IR；

（2）p的附近存在一個區域IR'，Density(IR) >> Density(IR')，或者

Density(IR) << Density(IR’)。

聚類的邊界代表了一種潛在的模式，對數據挖掘的著重要的意義。但是目前涉及的邊界的算法並不多，對其的研究遠遠不夠。

在DBSCAN算法中，提到邊界點（Border Points）：一個非核心點對象，如果其落在某核心點的Eps-鄰域內，則稱之為邊界點。一個邊界點可能同時落入一個或多個核心點的Eps-鄰域。

數學中的邊界點：

同濟大學高數六版釋義：如果點P的任一鄰域內既含有屬於E的點，又含有不屬於E的點，則稱P為E的邊界點。 [1]

用戶評論

還沒有評論

我要評論 [遊客 (3.15.*.*) | 登錄 ]

語言 :
| 校驗代碼 :

版权申明 | 隐私权政策 | 版權 @2018 世界百科知識