数据挖掘中密度聚类算法研究

• 作者: 叶培松 顾国松
• 来源期刊: 福建电脑
• 学科: 工学
• 关键词: 数据挖掘 聚类 密度聚类 DBSCAN
• 年，卷（期）: 2010,（3）
• 所属期刊栏目: 应用与开发
• 页码范围: 88-89
• 分类号: TP3
• 字数: 3771字
• 语种: 中文
• DOI: 10.3969/j.issn.1673-2782.2010.03.060

摘要

经典的密度聚类算法是DBSCAN(Density-Based Spatial Clustering of Applications with Noise),它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.但是DBSCAN存在一些缺点,因此许多密度聚类算法被提出来,包括:基于抽样的DBSCAN、基于数据分区的DBSCAN、基于密度梯度的聚类算法和基于相对密度的聚类算法等.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	顾国松	嘉兴学院数学与信息工程学院	10	49	5.0	6.0
2	叶培松	嘉兴学院数学与信息工程学院	5	16	2.0	4.0