10.3969/j.issn.1006-8961.2007.11.014
一种改进的基于密度的抽样聚类算法
基于密度的聚类算法DBSCAN是一种有效的空间聚类算法,它能够发现任意形状的聚类并且有效地处理噪声.然而,DBSCAN算法也有一些缺点,例如,①在聚类时只考虑空间属性没有考虑非空间属性;②在对大规模空间数据库进行聚类分析时需要较大的内存支持和I/O消耗.为此,在分析DBSCAN算法不足的基础上,提出了一种改进的基于密度的抽样聚类(improved density-based spatial clustering algorithm with sampling,IDBSCAS)算法,使之能够有效地处理大规模空间数据库,并且它不仅考虑了空间属性也考虑了非空间属性.2维空间数据的测试结果表明,该算法是可行、有效的.
空间数据挖掘、空间聚类、密度、种子、非空间属性
12
TP301.6(计算技术、计算机技术)
国家自然科学基金60673127;江苏省自然科学基金BK2001045
2008-01-07(万方平台首次上网日期,不代表论文的发表时间)
共6页
2031-2036