SA-DBSCAN:一种自适应基于密度聚类算法

被引：79

作者：

夏鲁宁

荆继武

机构：

[1] 中国科学院研究生院,信息安全国家重点实验室

来源：

中国科学院研究生院学报 | 2009年 / 26卷 / 04期

关键词：

数据挖掘; 聚类; DBSCAN; SA-DBSCAN;

D O I：

暂无

中图分类号：

TP311.13 []; TP18 [人工智能理论];

学科分类号：

1201 ; 081104 ; 0812 ; 0835 ; 1405 ;

摘要：

DBSCAN是一种经典的基于密度聚类算法,能够自动确定簇的数量,对任意形状的簇都能有效处理.DBSCAN算法需要人为确定Eps和minPts2个参数,导致聚类过程需人工干预才能进行.在DBSCAN的基础上提出了SA-DBSCAN聚类算法,通过分析数据集统计特性来自动确定Eps和minPts参数,从而避免了聚类过程的人工干预,实现聚类过程的全自动化.实验表明,SA-DBSCAN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：530 / 538

页数：9

共 4 条

[1]

数据挖掘导论.[M].(美)Pang-NingTan;(美)MichaelSteinbach;(美)VipinKumar著;范明;范宏建等译;.人民邮电出版社.2006,

[2] 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, 6 (1) :71-78

[3] 屏蔽了输入参数敏感性的DBSCAN改进算法 [J].

蔡颖琨 ;

谢昆青 ;

马修军 .

北京大学学报(自然科学版), 2004, (03) :480-486

[4] 基于Web-Log Mining的Web文档聚类 [J].

苏中 ;

马少平 ;

杨强 ;

张宏江 .

软件学报, 2002, (01) :99-104

← 1 →