初始点优化与参数自适应的密度聚类算法

• 作者: 徐华 戴阳阳 李朝锋
• 来源期刊: 计算机工程
• 学科: 工学
• 关键词: 初始点优化 自适应 变化密度 聚类 数据挖掘
• 年，卷（期）: 2016,（1）
• 所属期刊栏目: 人工智能及识别技术
• 页码范围: 203-209
• 页数: 7页
• 分类号: TP301
• 字数: 5707字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-3428.2016.01.036

摘要

针对密度聚类算法DBSCAN无法处理变化密度的问题,提出一种初始点优化与参数自适应的改进算法.利用初始点优化方法确定全局密度最大的点,结合该点和数据集自身的特征,自适应得到DBSCAN算法聚类出当前簇所需要的合适参数.该算法能够为不同密度的簇自适应设置不同的参数,而且优先对高密度簇进行聚类,即能对变化密度的数据集进行聚类.实验结果表明,该算法可以发现任意形状、大小和变化密度的簇,解决数据重叠和簇内密度不均匀问题,具有较高的聚类准确率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李朝锋	江南大学物联网工程学院	48	430	12.0	19.0
2	徐华	江南大学物联网工程学院	40	234	10.0	14.0
3	戴阳阳	江南大学物联网工程学院	2	26	1.0	2.0