DBSCAN算法中参数自适应确定方法的研究

被引：39

作者：

周红芳

王鹏

机构：

[1] 西安理工大学计算机科学与工程学院

来源：

西安理工大学学报 | 2012年 / 28卷 / 03期

关键词：

密度聚类; Eps邻域; 密度可达; 簇; 噪声;

D O I：

10.19322/j.cnki.issn.1006-4710.2012.03.007

中图分类号：

TP311.13 [];

学科分类号：

1201 ;

摘要：

在DBSCAN算法中需要人工输入Eps和MinPts两个参数,因而聚类过程需要用户的干预才能进行,导致聚类结果的准确度直接取决于用户对参数的选择。鉴于此,本研究提出了一种新的Eps和MinPts参数的确定方法,避免了聚类过程中的人工干预,实现了聚类过程的全自动化。理论分析和实验结果表明,该方法能够选择合理的Eps和MinPts参数并得到较高准确度的聚类结果。

引用

页码：289 / 292

页数：4

共 6 条

[1] 一种改进的DBSCAN密度算法
于亚飞
周爱武
[J]. 计算机技术与发展, 2011, 21 (02) : 30 - 33+38
[2] SA-DBSCAN:一种自适应基于密度聚类算法
夏鲁宁
荆继武
[J]. 中国科学院研究生院学报, 2009, 26 (04) : 530 - 538
[3] VDBSCAN:变密度聚类算法
周董
刘鹏
[J]. 计算机工程与应用, 2009, 45 (11) : 137 - 141+153
[4] 数据挖掘基础教程[M]. 机械工业出版社 , (印) 西蒙 (Siomon, 2009
[5] A new hybrid method based on partitioning-based DBSCAN and ant clustering
Jiang, Hua
Li, Jing
Yi, Shenghe
Wang, Xiangyang
Hu, Xin
[J]. EXPERT SYSTEMS WITH APPLICATIONS, 2011, 38 (08) : 9373 - 9381
[6] APSCAN: A parameter free algorithm for clustering[J] . Xiaoming Chen,Wanquan Liu,Huining Qiu,Jianhuang Lai.Pattern Recognition Letters . 2011 (7)

← 1 →