通过数据取样扩展基于密度的聚类算法
数据聚类（ｃｌｕｓｔｅｒｉｎｇ）是数据挖掘中是广为研究的课题之一。聚类技术在许多领域有着广泛的应用。基于密度的聚类算法（ＤＢＳＣＡＮ）是一种有效的空间聚类算法，它能发现任意形状的聚类和有效地处理噪声点（ｎｏｉｓｅ），并且只需用户输入一个参数。但ＤＢＳＣＡＮ算法在进行大规模空间数据库数据聚类时需要较大的内存和Ｉ／Ｏ消耗。该文在分析原有ＤＢＳＣＡＮ算法的基础上，通过数据取样来扩展ＤＢＳＣＡＮ算法，使之有效地处理大规模空间数据库，测试结果表明该文方法是有效的、可行的。
空间数据库 数据挖掘 数据聚类 数据取样 DBSCAB算法
范晔 周水庚 曹晶 周傲英
大学计算机科学系(上海)
国内会议
兰州
中文
319～325
1999-08-01（万方平台首次上网日期，不代表论文的发表时间）