对DBSCAN聚类算法的改进

摘要：

DBSCAN聚类算法能够从含有噪音的空间数据中发现任意形状的聚类,但人工确定参数的方式制约了DBSCAN算法的聚类能力.提出了一种自动确定参数MinPts和EPs的新方法.首先根据近邻距离曲线的变化情况确定合适的MinPts值,然后在第MinPts条近邻距离曲线上寻找斜率明显变化点作为Eps的值.实验表明,改进后的算法相对于初始DBSCAN算法,实现了参数的自动确定并具有更好的聚类能力。

关键词： 聚类算法 基于密度聚类 DBSCAN算法 近邻距离曲线

作者: 袁方 孟增辉 于戈

作者单位: 东北大学信息科学与工程学院,沈阳,110004;河北大学数学与计算机学院,保定,071002 河北大学数学与计算机学院,保定,071002 东北大学信息科学与工程学院,沈阳,110004

会议类型: 国内会议

会议名称: 2005第一届中国分类技术与应用研讨会(CSCA)

会议地点: 北京

会议语种:中文

页码: 50-54

在线出版日期: 2005-09-23（万方平台首次上网日期，不代表论文的发表时间）