基于数据场的改进DBSCAN聚类算法

摘要：

　　DBSCAN算法是一种典型的基于密度的聚类算法。该算法可以识别任意形状的类簇，但聚类结果依赖于参数Eps和MinPts的选择，而且对于一些密度差别较大的数据集，可能得不到具有正确类簇个数的聚类结果，也可能将部分数据错分为噪声。为此，利用数据场能较好描述数据分布，反映数据关系的优势，提出了一种基于数据场的改进DBSCAN聚类算法。该算法引入平均势差的概念，在聚类过程中动态地确定每个类的Eps和平均势差，从而能够在一些密度相差较大的数据集上得到较好的聚类结果。实验表明，所提算法的性能优于DBSCAN算法。

关键词： 数据场 聚类算法 全局优化 性能测试

作者: YANG Jing 杨静 GAO Jiawei 高嘉伟 LIANG Jiye 梁吉业 LIU Yanglei 刘杨磊

作者单位: Key Laboratory of Computational Intelligence and Chinese Information Processing of Ministry of Educa 山西大学计算智能与中文信息处理教育部重点实验室,太原030006;山西大学计算机与信息技术学院,太原030006 Key Laboratory of Computational Intelligence and Chinese Information Processing of Ministry of Educa 山西大学计算智能与中文信息处理教育部重点实验室,太原030006 Key Laboratory of Computational Intelligence and Chinese Information Processing of Ministry of Educa

会议类型: 国内会议

会议名称: 第29届中国数据库学术会议

会议地点: 合肥

会议语种:中文

页码: 903-911

在线出版日期: 2012-10-01（万方平台首次上网日期，不代表论文的发表时间）