一种改进的自适应快速AF-DBSCAN聚类算法

• 作者: 周治平 孙子文 朱书伟 王杰锋
• 来源期刊: 智能系统学报
• 学科: 工学
• 关键词: 密度聚类 DBSCAN 区域查询 全局参数 KNN分布 数学统计分析
• 年，卷（期）: 2016,（1）
• 页码范围: 93-98
• 页数: 6页
• 分类号: TP181
• 字数: 3984字
• 语种: 中文
• DOI: 10.11992.tis.201410021

摘要

基于密度的DBSCAN聚类算法可以识别任意形状簇，但存在全局参数Eps与MinPts的选择需人工干预，采用的区域查询方式过程复杂且易丢失对象等问题，提出了一种改进的参数自适应以及区域快速查询的密度聚类算法。根据KNN分布与数学统计分析自适应计算出最优全局参数Eps与MinPts，避免聚类过程中的人工干预，实现了聚类过程的全自动化。通过改进种子代表对象选取方式进行区域查询，无需漏检操作，有效提高了聚类的效率。对4种典型数据集的密度聚类实验结果表明，本文算法使得聚类精度提高了8．825％，聚类的平均时间减少了0．92 s。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	周治平	江南大学物联网工程学院	105	522	11.0	16.0
2	孙子文	江南大学物联网工程学院	79	462	10.0	18.0
3	王杰锋	江南大学物联网工程学院	4	48	4.0	4.0
4	朱书伟	江南大学物联网工程学院	4	63	4.0	4.0