基于变化密度的自适应空间聚类方法研究

摘要：

针对DBSCAN算法无法处理变化密度的问题,提出一种基于变化密度的自适应空间聚类方法.采用密度变化率来识别不同密度的簇之间的边界,且运行时自动调整参数的值.将密度定义为一个点到其第k个最近邻居的距离,若一个点的邻居的密度与该点密度的变化率小于用户给定阈值,则为相似邻居.定义核点为最邻近邻居中至少有k个是相似邻居的点,在此基础上应用DBSCAN算法进行广度优先搜索,将密度相似并且距离可达的核点及其最邻近邻居标记为同一个簇.在判断相似邻居时,根据已加入的核点的平均密度和密度变化率自动调整参数值.实验结果表明,该方法可以准确地发现任意形状、大小和密度的簇,消除孤立点,且通过自适应机制更容易设置合适参数.

关键词：自适应、变化密度、k最近邻、聚类、数据挖掘

所属期刊栏目：40

分类号：TP181(自动化基础理论)

资助基金：国家自然科学基金资助项目11003027

在线出版日期：2014-09-15（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：58-63,69