障碍空间里基于密度的快速聚类算法

摘要：

传统的聚类方法不能直接运用于分布空间内存在障碍物的数据的聚类.提出了一种障碍空间内基于密度的快速聚类算法DBCO来解决此类问题.DBCO中,在基于密度的聚类基础上引入了障碍模型,提出了一种保持数据间可见性的简化障碍的方法.为了使障碍模型不影响聚类质量,定义了障碍顶点距离、连接距离和判断距离来维持聚类的质量.另外,在聚类过程中,选择某一些代表点和拓展点而不是每一个点来对每一个聚类进行扩展,从而大大提高了聚类算法的效率.实验结果表明了DBCO算法可以快速地得到高质量的聚类结果.

关键词：空间数据、数据挖掘、聚类、密度

所属期刊栏目：28

分类号：TP18(自动化基础理论)

资助基金：湖北省自然科学基金ABA048

在线出版日期：2007-12-24（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：1976-1980