文献类型：期刊文章

作　　者：周水庚[1,2] 周傲英[1,2] 曹晶[1,2]

机构地区：[1]复旦大学计算机科学系 [2]上海(国际)数据库研究中心上海200433

出　　处：《计算机研究与发展》

基　　金：国家自然科学基金!(项目编号 6 9743 0 0 1);国家教委博士点基金

年　　份：2000

卷　　号：37

期　　号：10

起止页码：1153-1159

语　　种：中文

收录情况：AJ、BDHX、BDHX1996、CSA-PROQEUST、CSCD、CSCD2011_2012、EI、IC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：数据聚类在数据挖掘、模式识别、图像处理和数据压缩等领域有着广泛的应用 .DBSCAN是一种基于密度的空间聚类算法 ,在处理空间数据时具有快速、有效处理噪声点和发现任意形状的聚类等优点 .但由于直接对数据库进行操作 ,在数据量大的时候就需要较多的内存和 I/O开销 ;此外 ,当数据密度和聚类间的距离不均匀时聚类质量较差 .为此 ,在分析 DBSCAN算法不足的基础上 ,提出了一个基于数据分区的 DBSCAN算法 .测试结果表明新算法不仅提高了聚类速度 ,而且改善了聚类质量 .

关 键 词：空间数据库 数据挖掘 数据分区 DBSCAN算法

分 类 号：TP311.132] TP392[计算机类]