Greedy DBSCAN:一种针对多密度聚类的DBSCAN改进算法

摘要：

针对基于密度的DBSCAN算法对于输入参数敏感、无法聚类多密度数据集等问题,提出了一种贪心的DBSCAN改进算法(greedy DBSCAN).算法仅需输入一个参数MinPts,采用贪心策略自适应地寻找Eps半径参数进行簇发现,利用相对稠密度识别和判定噪声数据,在随机寻找核对象过程中使用邻域查询方式提升算法效率,最终通过簇的合并产生最终的聚类结果.实验结果表明,改进后的算法能有效地分离噪声数据,识别多密度簇,聚类准确度较高.

关键词：多密度、贪心策略、相对稠密度、邻域查询、噪声数据、DBSCAN聚类

所属期刊栏目：33

分类号：TP301.6(计算技术、计算机技术)

资助基金：国家自然科学基金资助项目61103129,61202312;江苏省科技支撑计划资助项目BE2009009

在线出版日期：2016-11-03（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：2693-2696,2700