自适应确定DBSCAN算法参数的算法研究

被引：287

作者：

李文杰

闫世强

蒋莹

张松芝

王成良

机构：

[1] 空军预警学院

来源：

计算机工程与应用 | 2019年 / 05期

关键词：

DBSCAN算法; 自适应; 参数寻优; K-平均最近邻法;

D O I：

暂无

中图分类号：

TP311.13 [];

学科分类号：

摘要：

传统DBSCAN算法需要人为确定Eps和MinPts参数,参数的选择直接决定了聚类结果的合理性,因此提出一种新的自适应确定DBSCAN算法参数算法,该算法基于参数寻优策略,通过利用数据集自身分布特性生成候选Eps和MinPts参数,自动寻找聚类结果的簇数变化稳定区间,并将该区间中密度阈值最少时所对应的Eps和MinPts参数作为最优参数。实验结果表明,该算法能够实现聚类过程的全自动化并且能够选择合理的Eps和MinPts参数,得到了高准确度聚类结果。

引用

页码：1 / 7+148 +148

页数：8

共 10 条

[1]

停留点空间聚类在景区热点分析中的应用 [J].

张文元 ;

谈国新 ;

朱相舟 .

计算机工程与应用, 2018, (04) :263-270

[2]

一种改进的自适应快速AF-DBSCAN聚类算法 [J].

周治平 ;

王杰锋 ;

朱书伟 ;

孙子文 .

智能系统学报, 2016, 11 (01) :93-98

[3]

DBSCAN算法中参数的自适应确定 [J].

李宗林 ;

罗可 .

计算机工程与应用 , 2016, (03) :70-73+80

[4]

DBSCAN算法中参数自适应确定方法的研究 [J].

周红芳 ;

王鹏 .

西安理工大学学报, 2012, 28 (03) :289-292

[5]

SA-DBSCAN:一种自适应基于密度聚类算法 [J].

夏鲁宁 ;

荆继武 .

中国科学院研究生院学报, 2009, 26 (04) :530-538

[6]

DBSCAN聚类算法的研究与改进 [J].

冯少荣 ;

肖文俊 .

中国矿业大学学报, 2008, (01) :105-111

[7]

Algorithm to determine ε -distance parameter in density based clustering[J] Sunita Jahirabadkar;Parag Kulkarni Expert Systems With Applications 2014,

[8]

An adaptive inverse-distance weighting spatial interpolation technique[J] George Y. Lu;David W. Wong Computers and Geosciences 2008,

[9]

Clustering aggregation[J] Aristides Gionis;Heikki Mannila;Panayiotis Tsaparas ACM Transactions on Knowledge Discovery from Data (TKDD) 2007,

[10]

A statistical information-based clustering approach in distance space[J] Yue Shi-hong;Li Ping;Guo Ji-dong;Zhou Shui-geng Journal of Zhejiang University SCIENCE A 2005,

← 1 →