一种基于区域中心点的聚类算法

• 作者: 李泽明 石欣 范敏
• 来源期刊: 计算机工程与科学
• 学科: 工学
• 关键词: 聚类 DBSCAN 密度 区域中心点 k邻域
• 年，卷（期）: 2014,（9）
• 页码范围: 1817-1822
• 页数: 6页
• 分类号: TP301.6
• 字数: 4334字
• 语种: 中文
• DOI: 10.3969/j.issn.1007-130X.2014.09.032

摘要

聚类是数据挖掘领域中一个重要的分析手段.在基于密度的聚类算法DBSCAN的基础上,针对算法对输入参数较为敏感,以及对多密度层次数据集聚类质量不高的问题,提出了一种改进的基于区域中心点的密度聚类算法.该算法将不同密度层次的簇视为不同的区域,并基于区域中心点(区域密度最大的点)开始扩展其规模,直至达到由密度比例因子决定的区域边缘.为提高聚类准确率,在簇的扩展过程中,从候选核心点中发现核心点,加强了核心点的选取条件.实验表明,该算法降低了对输入参数的敏感性,改善了对密度分布不均匀数据集聚类效果,提高了聚类准确率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	范敏	重庆大学自动化学院	35	444	14.0	18.0
2	石欣	重庆大学自动化学院	36	639	14.0	25.0
3	李泽明	重庆大学自动化学院	3	17	3.0	3.0