WaveCluster เป็นอัลกอริทึมการจัดกลุ่มแบบหลายระดับความละเอียด (multiresolution clustering) ซึ่งสรุปข้อมูลโดยการนำโครงสร้างกริดมิติหลายมาป้องบนพื้นที่ข้อมูล สามารถใช้การแปลงเวเวล (wavelet transformation) เพื่อเปลี่ยนพื้นที่คุณลักษณะเดิม ค้นพบโดเมนที่หนาแน่นในพื้นที่ที่แปลงแล้ว
ในวิธีนี้ แต่ละเซลล์กริดจะสรุปข้อมูลของกลุ่มจุดที่จับคู่เข้าสู่เซลล์นั้น ข้อมูลสรุปโดยทั่วไปจะพอดีกับหน่วยความจำหลัก เพื่อใช้ในการแปลงเวเวลหลายระดับความละเอียดและการวิเคราะห์กลุ่มต่อไป
การแปลงเวเวลเป็นแนวทางการประมวลผลสัญญาณที่แยกสัญญาณออกเป็นหลาย subband ความถี่ โมเดลเวเวลสามารถใช้กับสัญญาณ d มิติโดยการใช้การแปลงเวเวล 1 มิติ d ครั้ง ในการประยุกต์ใช้ การแปลงเวเวลจะเปลี่ยนข้อมูลเพื่อรักษาระยะห่างสัมพัทธ์ระหว่างวัตถุในหลายระดับความละเอียด ทำให้กลุ่มข้อมูลตามธรรมชาติตรวจจับได้ง่ายขึ้น สามารถระบุกลุ่มได้โดยการค้นหาพื้นที่หนาแน่นในโดเมนใหม่
ข้อดีของการแปลงเวเวลมีดังนี้:
ให้การจัดกลุ่มแบบไม่ต้องมีผู้ดูแล (unsupervised clustering) — ต้องการฟิลเตอร์รูปหมวกที่เน้นพื้นที่ที่จุดข้อมูลรวมกัน ในขณะที่ลดทอนข้อมูลที่อ่อนแออยู่นอกขอบเขตกลุ่ม
ดังนั้น พื้นที่หนาแน่นในพื้นที่คุณลักษณะเริ่มต้นจึงทำหน้าที่เป็นตัวดึงดูดจุดข้อมูลที่อยู่ติดกัน และเป็นตัวยับยั้งจุดที่อยู่ห่างออกไป ซึ่งกำหนดให้กลุ่มในข้อมูลเด่นชัดขึ้นและ "ล้าง" พื้นที่รอบข้างอัตโนมัติ อีกข้อดีคือ การแปลงเวเวลสามารถกำจัดค่าผิดปกติ (outliers) ได้โดยอัตโนมัติ
คุณสมบัติหลายระดับความละเอียดของการแปลงเวเวลช่วยให้ตรวจจับกลุ่มได้ในหลายระดับความแม่นยำ
การจัดกลุ่มแบบเวเวล (Wavelet-based clustering) เร็วมาก โดยมีความซับซ้อนทางคำนวณ O(n) โดย n คือจำนวนวัตถุในฐานข้อมูล อัลกอริทึมสามารถนำไปสู่การประมวลผลแบบขนานได้
WaveCluster เป็นอัลกอริทึมแบบกริดและแบบหนาแน่น (grid-based and density-based) — ตรงตามหลายเงื่อนไขของอัลกอริทึมจัดกลุ่มที่ดี: จัดการชุดข้อมูลขนาดใหญ่ได้อย่างมีประสิทธิภาพ ค้นพบกลุ่มรูปทรง tùy ý จัดการ outliers ได้ดี ไม่ไวต่อลำดับของข้อมูลนำเข้า และไม่ต้องกำหนดพารามิเตอร์นำเข้ารวมถึงจำนวนกลุ่มหรือรัศมีบริเวณ
ในการศึกษาเบื้องต้น พบว่า WaveCluster ให้ประสิทธิภาพและคุณภาพการจัดกลุ่มดีกว่า BIRCH, CLARANS และ DBSCAN ยังพบว่าสามารถจัดการข้อมูลได้ถึง 20 มิติ
