AI 词汇表
人工智能完整词典
网格聚类
一种分区方法，将数据空间划分为有限数量的矩形单元格以形成网格，然后在这些单元格而非单个数据点上执行聚类。
网格单元
网格的基本空间单元，表示数据空间的一个超矩形区域，包含一组点，并通过密度或质心等统计特征进行表征。
单元格密度
衡量网格单元格中每单位体积的数据点数量，用作判断单元格是否足够密集以属于聚类的主要标准。
STING（统计信息网格）
一种多分辨率层次聚类算法，在每个网格单元格中存储统计信息，并允许在不同粒度级别高效查询聚类。
WaveCluster
一种基于小波分析的网格聚类技术，应用变换来识别离散化数据空间中的高密度区域。
CLIQUE（搜索中的聚类）
一种用于高维数据的网格聚类算法，识别密集子空间并组合连接的网格单元格以形成聚类。
均匀网格
一种离散化类型，数据空间根据每个维度被划分为等大小的单元格，实现简单但可能生成空单元格或密度变化的单元格。
自适应网格
一种离散化方法，网格单元格的大小根据局部数据分布动态调整，从而更好地表示高密度和低密度区域。
单元格特征向量
与每个网格单元关联的一组统计属性（如平均值、方差、最小值、最大值、密度），用于有效总结其包含的数据点。
单元格连通性
一种拓扑关系，用于定义两个网格单元是否相邻（共享一个面、一条边或一个顶点），从而可以合并形成一个单一的簇。
密集单元格合并
一个迭代过程，用于聚合超过密度阈值的相邻网格单元，从而在数据空间中构建任意形状的簇。
多分辨率网格
通过使用嵌套的网格层次结构在多个粒度级别上分析数据的能力，从而可以在不同空间尺度上发现簇。
密度阈值
基于网格的聚类算法中的一个关键参数，它定义了单元格被视为相关并被包含在簇中所需的最小密度。
网格矩阵
表示空间离散化的二维或多维数据结构，其中每个元素对应一个网格单元并存储其统计信息。
OptiGrid
一种基于网格的聚类算法，它通过构建最优超平面将空间划分为单元格，从而在每个子空间中最大化潜在簇之间的分离度。
基于网格的空间索引
使用网格结构作为空间索引，以加速大型数据库中的邻域查询和聚类操作。
边界单元
位于潜在聚类外围的网格单元，由于其中等密度，需要进一步分析才能确定其是否属于该聚类。
网格降维
一种技术，通过网格离散化将数据投影到比原始数据维度更低的单元空间，从而降低计算复杂度。
网格聚类中的噪声
位于低密度单元中的孤立数据点，由于不满足最小密度阈值，会被网格聚类算法自动过滤掉。