文献类型：期刊文章

作　　者：毕方明[1] 王为奎[2] 陈龙[1]

机构地区：[1]中国矿业大学计算机科学与技术学院信息安全系,徐州221116 [2]徐州空军学院,徐州221000

出　　处：《南京大学学报（自然科学版）》

基　　金：国家自然科学基金(60970032);江苏省自然科学基金(BK2007035)

年　　份：2012

卷　　号：48

期　　号：4

起止页码：491-498

语　　种：中文

收录情况：AJ、BDHX、BDHX2011、CSCD、CSCD2011_2012、MR、ZGKJHX、ZMATH、核心刊

摘　　要：针对基于密度的群以噪声发现聚类算法(density-based spatial clustering of applications withnoise,DBSCAN)的所需内存及I/O消耗大;空间聚类的密度不均匀时,采用全局统一的变量,聚类质量较差;对于输入参数敏感性较高等三个不足进行了改进.首先根据数据的空间分布特性,将整个数据空间划分为多个较小的分区,使分区的局部密度相对更均匀;然后将每个局部分区运用改进的DBSCAN算法进行聚类,改进的算法可以根据空间数据的分布,对一个中心点自适应的选取近邻,并对这些近邻点进行取样、扩展,有效提高了算法的准确性和效率;接着将所得到的聚类结果按照合并规则进行合并.最后通过仿真实验,验证了改进的DBSCAN算法解决了内存消耗过大、聚类质量差及全局参数敏感的问题.

关 键 词：数据挖掘  空间聚类 基于密度的群以噪声发现聚类  数据分区 参数自适应

分 类 号：TP391.41]