基于网格单元的DBSCAN算法

被引:53
作者
刘淑芬
孟冬雪
王晓燕
机构
[1] 吉林大学计算机科学与技术学院
基金
中央高校基本科研业务费专项资金资助;
关键词
计算机应用; 数据挖掘; 聚类分析; DBSCAN; 网格单元;
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DBSCAN算法时间开销大的缺点,提出了基于网格单元的DBSCAN算法,通过对数据空间进行网格单元划分来优化DBSCAN算法中最耗时的区域查询过程,省去了大量不必要的查询操作,并分析了网格单元的划分方式对本文算法的影响,通过选取最优划分方式,提高整个算法的运行效率。通过仿真实验,验证了基于网格单元的DBSCAN算法具有较高的准确率和较低的时间复杂度。
引用
收藏
页码:1135 / 1139
页数:5
相关论文
共 9 条
[1]
有限元网格剖分与网格质量判定指标 [J].
李海峰 ;
吴冀川 ;
刘建波 ;
梁宇兵 .
中国机械工程, 2012, 23 (03) :368-377
[2]
海量数据的网格启发信息密度聚类算法[J] 张海龙;王仁彪;聂俊;刘进忠; 吉林大学学报(工学版) 2011, S2
[3]
改进的快速DBSCAN算法 [J].
王桂芝 ;
王广亮 .
计算机应用, 2009, 29 (09) :2505-2508
[4]
数据挖掘技术标准综述 [J].
刘明亮 ;
李雄飞 ;
孙涛 ;
许晓晴 .
计算机科学, 2008, (06) :5-10+14
[5]
一种提高DBSCAN聚类算法质量的新方法 [J].
冯少荣 ;
肖文俊 .
西安电子科技大学学报, 2008, (03) :523-529
[6]
聚类算法研究 [J].
孙吉贵 ;
刘杰 ;
赵连宇 .
软件学报, 2008, (01) :48-61
[7]
数据挖掘综述 [J].
王光宏 ;
蒋平 .
同济大学学报(自然科学版), 2004, (02) :246-252
[8]
基于网格方法的聚类算法研究 [D]. 
孙玉芬 .
华中科技大学,
2006
[9]
改进的密度聚类算法研究 [D]. 
于智航 .
大连理工大学,
2007