基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
聚类技术是数据挖掘中的一项重要技术,它能够根据数据自身的特点将集中的数据划分为簇.DBSCAN是一种经典的基于密度的聚类算法,能发现任意数量和形状的簇,但需设置Eps和MinPts参数,且聚类效果对参数敏感.提出一种改进的DBSCAN算法,该算法采用自适应的Eps参数使得DBSCAN算法能对具有不同密度的簇的数据集进行聚类.仿真实验结果验证了所提算法的有效性.
推荐文章
一种改进的 DBscan聚类算法
DBscan
核心点
二次聚类
轮廓系数
Greedy DBSCAN:一种针对多密度聚类的DBSCAN改进算法
多密度
贪心策略
相对稠密度
邻域查询
噪声数据
DBSCAN聚类
针对非均匀数据集的DBSCAN过滤式改进算法
聚类
DBSCAN
过滤
非均匀密度
数据挖掘
改进的基于DBSCAN的空间聚类算法研究
数据挖掘
空间数据挖掘
聚类分析
DBSCAN
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 一种改进的DBSCAN算法
来源期刊 四川师范大学学报(自然科学版) 学科 工学
关键词 聚类 密度 自适应 DBSCAN算法
年,卷(期) 2013,(2) 所属期刊栏目 技术应用
研究方向 页码范围 312-316
页数 5页 分类号 TP301
字数 3495字 语种 中文
DOI 10.3969/j.issn.1001-8395.2013.02.032
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 苟智坚 成都信息工程学院网络工程学院 5 37 3.0 5.0
2 赵文 成都信息工程学院网络工程学院 3 37 3.0 3.0
3 闫振兴 北京理工大学信息与电子学院 1 24 1.0 1.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (57)
共引文献  (200)
参考文献  (13)
节点文献
引证文献  (24)
同被引文献  (64)
二级引证文献  (99)
1985(2)
  • 参考文献(0)
  • 二级参考文献(2)
1996(3)
  • 参考文献(1)
  • 二级参考文献(2)
1997(1)
  • 参考文献(0)
  • 二级参考文献(1)
1998(2)
  • 参考文献(0)
  • 二级参考文献(2)
1999(1)
  • 参考文献(0)
  • 二级参考文献(1)
2000(14)
  • 参考文献(1)
  • 二级参考文献(13)
2001(4)
  • 参考文献(0)
  • 二级参考文献(4)
2002(3)
  • 参考文献(0)
  • 二级参考文献(3)
2003(13)
  • 参考文献(0)
  • 二级参考文献(13)
2004(9)
  • 参考文献(1)
  • 二级参考文献(8)
2005(6)
  • 参考文献(1)
  • 二级参考文献(5)
2006(4)
  • 参考文献(1)
  • 二级参考文献(3)
2007(2)
  • 参考文献(2)
  • 二级参考文献(0)
2008(2)
  • 参考文献(2)
  • 二级参考文献(0)
2009(3)
  • 参考文献(3)
  • 二级参考文献(0)
2010(1)
  • 参考文献(1)
  • 二级参考文献(0)
2013(1)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(1)
  • 二级引证文献(0)
2013(1)
  • 引证文献(1)
  • 二级引证文献(0)
2014(3)
  • 引证文献(1)
  • 二级引证文献(2)
2015(8)
  • 引证文献(6)
  • 二级引证文献(2)
2016(16)
  • 引证文献(6)
  • 二级引证文献(10)
2017(18)
  • 引证文献(4)
  • 二级引证文献(14)
2018(28)
  • 引证文献(2)
  • 二级引证文献(26)
2019(37)
  • 引证文献(3)
  • 二级引证文献(34)
2020(12)
  • 引证文献(1)
  • 二级引证文献(11)
研究主题发展历程
节点文献
聚类
密度
自适应
DBSCAN算法
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
四川师范大学学报(自然科学版)
双月刊
1001-8395
51-1295/N
大16开
成都市静安路5号
1978
chi
出版文献量(篇)
3968
总下载数(次)
9
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导