一种提高DBSCAN聚类算法质量的新方法

被引：47

作者：

冯少荣

肖文俊

机构：

[1] 华南理工大学计算机科学与工程学院

来源：

西安电子科技大学学报 | 2008年 / 03期

关键词：

聚类算法; 遗传算法; 数据划分; 密度;

D O I：

暂无

中图分类号：

TP301.6 [算法理论];

学科分类号：

080201 [机械制造及其自动化];

摘要：

针对基于密度带有"噪声"的空间聚类应用(DBSCAN)聚类算法存在的3个主要问题:输入参数敏感、对内存要求高、数据分布不均匀时影响聚类效果,提出了一种基于遗传方法的DBSCAN算法改进方案数据分区中使用遗传思想的DBSCAN算法(DPDGA)来提高聚类质量.利用遗传算法改进K-means算法来获取初始聚类中心;对数据进行划分,在此基础上对划分的每一部分使用DBSCAN算法进行聚类;合并聚类的结果.仿真实验表明,新方法较好解决了传统DBSCAN聚类算法存在的问题,在聚类效率和聚类效果方面均优于传统DBSCAN聚类算法.

引用

页码：523 / 529

页数：7

共 5 条

[1]

屏蔽了输入参数敏感性的DBSCAN改进算法 [J].