利用一维投影分析的无参数多密度聚类算法

摘要：

针对DBSCAN(Density Based Spatial Clustering of Applications with Noise)算法对参数敏感且无法适用于多密度数据集聚类的缺点,提出一种改进的基于一维投影分析的无参数多密度聚类算法PFMDBSCAN(Parameter Free Multi-Density Clustering Using One-dimensional Projection Analysis).算法首先对数据集进行一维投影,并对投影后的数据进行高斯核密度估计,据此采用极值策略得到多个局部密度估计值,将每个局部密度估计值转换为参数后依次调用DBSCAN进行聚类,最终得到完整的聚类结果.该算法达到了聚类无参数化且能适用于多密度的目标.实验表明,本文提出的无参数算法对单密度和多密度数据集都有较好的聚类效果,能适用于任意形状、任意密度的数据集,且具有较强的抗噪性.与近期文献中提出的无参数多密度聚类算法APSCAN相比,不仅聚类效果更好,且计算复杂性更低.

关键词：投影分析、高斯核密度估计、无参数多密度聚类、DBSCAN

所属期刊栏目：34

分类号：TP18(自动化基础理论)

资助基金：福建省自然科学基金项目2010J01329;福建省高校产学研重大专项2010H6012

在线出版日期：2013-11-05（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：1866-1871