一种提高DBSCAN聚类算法质量的新方法

• 作者: 冯少荣 肖文俊
• 来源期刊: 西安电子科技大学学报（自然科学版）
• 学科: 工学
• 关键词: 聚类算法 遗传算法 数据划分 密度
• 年，卷（期）: 2008,（3）
• 页码范围: 523-529
• 页数: 7页
• 分类号: TP301.6
• 字数: 5295字
• 语种: 中文
• DOI: 10.3969/j.issn.1001-2400.2008.03.028

摘要

针对基于密度带有"噪声"的空间聚类应用(DBSCAN)聚类算法存在的3个主要问题: 输入参数敏感、对内存要求高、数据分布不均匀时影响聚类效果,提出了一种基于遗传方法的DBSCAN算法改进方案数据分区中使用遗传思想的DBSCAN算法(DPDGA)来提高聚类质量.利用遗传算法改进K-means算法来获取初始聚类中心;对数据进行划分,在此基础上对划分的每一部分使用DBSCAN算法进行聚类;合并聚类的结果.仿真实验表明,新方法较好解决了传统DBSCAN聚类算法存在的问题,在聚类效率和聚类效果方面均优于传统DBSCAN聚类算法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	冯少荣	华南理工大学计算机科学与工程学院	49	822	13.0	28.0
3	肖文俊	华南理工大学计算机科学与工程学院	37	442	10.0	20.0