基于数据场的改进DBSCAN聚类算法

• 作者: 刘杨磊 杨静 梁吉业 高嘉伟
• 来源期刊: 计算机科学与探索
• 学科: 工学
• 关键词: DBSCAN算法 数据场 聚类
• 年，卷（期）: 2012,（10）
• 所属期刊栏目: 学术研究
• 页码范围: 903-911
• 分类号: TP18
• 字数: 4288字
• 语种: 中文
• DOI: 10.3778/j.issn.1673-9418.2012.10.005

摘要

DBSCAN(density based spatial clustering of applications with noise)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.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	梁吉业	山西大学计算智能与中文信息处理教育部重点实验室	114	1486	21.0	34.0
5	高嘉伟	山西大学计算智能与中文信息处理教育部重点实验室	11	107	5.0	10.0
9	杨静	山西大学计算智能与中文信息处理教育部重点实验室	13	48	4.0	6.0
13	刘杨磊	山西大学计算智能与中文信息处理教育部重点实验室	4	46	3.0	4.0