基于密度聚类算法的改进方法研究

《基于密度聚类算法的改进方法研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、大连理工大学硕士学位论文基于密度聚类算法的改进方法研究姓名：高昇申请学位级别：硕士专业：软件工程指导教师：江贺20071215大连理工大学硕士学位论文摘要迄今为止，人们已经提出了许多聚类算法。这些聚类算法已经在许多领域有着广泛地应用，包括数据挖掘，模式识别，数据分析，图像处理，空间数据库技术，生物学，以及市场研究等。这些应用可能需要在各种约束条件下进行聚类，要找到既满足特定约束，又具有良好聚类特性的数据分组是一项具有挑战性的任务。基于密度的聚类算法由于能够发现任意形状的聚类，识别数据集中的噪点，对输入对象的顺序不敏感，可伸缩性好等特点，

2、在许多领域有着重要的应用。然而，绝大部分基于密度的聚类算法不适用于在密度不均匀的数据集中发现聚类，并且对输入参数敏感。这些缺点在一定程度上限制了基于密度算法的应用，因此，如何解决在密度不均匀数据集中发现聚类，以及降低参数敏感性是基于密度聚类算法的一个有待研究的开放问题。本文提出了一种基于密度标记的聚类算法(Density-TagBasedClustering，DTBC)。DTBC提出并使用密度标记概念来标识数据集的密度分布信息。首先，DTBC利用k近邻的方法来构建子聚类，其次分析子聚类的密度分布情况，然后根据子聚类的密度分布情况为子聚类

3、加上相应的密度标记，从而得到整个数据集的密度分布情况，最后根据密度标记对数据集进行聚类。由于DTBC得到数据集的密度分布情况，因而DTBC适用于处理密度不均匀的聚类问题。同时，DTBC算法将所需人工确定的参数减少到一个，并且算法对参数变化不敏感，提高了算法的适用性。实验结果证明，相较于具有代表性的基于密度聚类算法DBSCAN和KNNCLUST，DTBC算法更适合于处理密度不均匀的聚类问题，并且对所输入的参数不敏感。关键词：聚类；k近邻；密度标记基于密度聚类算法的改进方法研究StudyonImprovementtoDensity·Base

4、dClusteringAlgorithmAbstractSo缸manydusteralgorithmshavebeenproposedThesealgorithmshavebeenappliedinvariousfields硝dely，suchasdatamining，patternrecognition,dataanalysis,imageprocessing，spatialdatabases，biology,marketinvestigation,andsoon．Theseapplicationsneedsatisfymanyres

5、trictionsforgeneratinggenuineclusters．Itisachallengingthingtofindaehister,whichsatisfiesspecialrestrictionandhasgoodqllality．Density-basedclusteringalgorithmscandiscoverarbilraryshapedcluster,identifynoise，andareinsensitivetotheinputtingorderofdataobjectswithgoodflexibil

6、ity,whichhavebeenappliedinvariousfieldsweightily．However,mostofthemaresensitivetotheparameters，andnoteffectiveinhandlingvariousdensitydatase=t．Theseshortcomingslimittheapplicationofdensity-basedalgorithmin锄extent．Therefore．howtoresolvetheproblemofclusteringinvariousdensi

7、tydatasct,aswellasreducingthesensitivitytotheparametersofdensit3，-basedalgorithmisanopellissuetobeeousidered．AnovelDensity-TagBasedClusteringalgorithm,forshortDTBC，wasproposedinthepaper．DTBCpresentstheconceptofdensity-tag,whichmarksdatasetdensitydistributioninformatiomAt

8、firstDTBCusesk-nearestneighbormethodtobuildsub--clusters．followedbyanalyzingthedensitydistributionofsub