基于数据场的改进DBSCAN聚类算法

摘要：

DBSCAN(density based spatial clustering of applications with noise)算法是一种典型的基于密度的聚类算法.该算法可以识别任意形状的类簇,但聚类结果依赖于参数Eps和MinPts的选择,而且对于一些密度差别较大的数据集,可能得不到具有正确类簇个数的聚类结果,也可能将部分数据错分为噪声.为此,利用数据场能较好描述数据分布,反映数据关系的优势,提出了一种基于数据场的改进DBSCAN聚类算法.该算法引入平均势差的概念,在聚类过程中动态地确定每个类的Eps和平均势差,从而能够在一些密度相差较大的数据集上得到较好的聚类结果.实验表明,所提算法的性能优于DBSCAN算法.

关键词：DBSCAN算法、数据场、聚类

所属期刊栏目：6

分类号：TP18(自动化基础理论)

资助基金：The Special Prophase Project on the National Grand Basic Research 973 Program of China under Grant No.2011CB311805国家重点基础研究发展规划973前期研究专项;the Key Problems in Science and Technology Project of Shanxi Province under Grant No.20110321027-01;the Construction Project of the Science and Technology Basic Condition Platform of Shanxi Province under Grant No.2012091002-0101

在线出版日期：2012-11-27（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：903-911