基于变化密度的自适应空间聚类方法研究-论文.pdf

《基于变化密度的自适应空间聚类方法研究-论文.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、第40卷第8期计算机工程2014年8月VO1．40NO．8ComputerEngineeringAugust2014·先进计算与数据处理·文章编号：1000-3428(2014)08-0058·06文献标识码：A中图分类号：TP181基于变化密度的自适应空间聚类方法研究杨亚军，张坤龙，杨晓科(天津大学计算机科学与技术学院，天津300072)摘要：针对DBSCAN算法无法处理变化密度的问题，提出一种基于变化密度的自适应空间聚类方法。采用密度变化率来识别不同密度的簇之间的边界，且运行时自动调整参数的值。将

2、密度定义为一个点到其第k个最近邻居的距离，若一个点的邻居的密度与该点密度的变化率小于用户给定阈值，则为相似邻居。定义核点为最邻近邻居中至少有k个是相似邻居的点，在此基础上应用DBSCAN算法进行广度优先搜索，将密度相似并且距离可达的核点及其最邻近邻居标记为同一个簇。在判断相似邻居时，根据已加入的核点的平均密度和密度变化率自动调整参数值。实验结果表明，该方法可以准确地发现任意形状、大小和密度的簇，消除孤立点，且通过自适应机制更容易设置合适参数。关键词：自适应；变化密度；k最近邻；聚类；数据挖掘Resea

3、rchonSelf-adaptiveSpatialClusteringMethodBasedonVariedDensityYANGYa-jun，ZHANGKun—long，YANGXiao—ke(SchoolofComputerScienceandTechnology，TianjinUniversity，Tianjin300072，China)【Abstract】AimingattheproblemthatDBSCANcannotfindclustersofvarieddensitiesandisse

4、nsitivetOparameters，thispaperproposesaself—adaptivespatialclusteringmethodbasedonvarieddensity．ThealgorithmusesthechangerateofdensitytOfindtheboundariesbetweenclusterswithdifferentdensities，andself_adjustthevaluesofparameters．Specifically，itdefinesonepo

5、int’SdensityasthedistancefromitselftoitskNearestNeighbor(kNN)．Ifthedensitychangerateofapointandoneofitsnearestneighborsislessthanthethresholdgivenbytheuser，theneighboriscalledsimilarneighbor．Thepaperredefinescorepointaspointwhichhasatleastksimilarneighb

6、orsinitsnearestneighbors．Basedonthesemodifications，itusesDBSCANtobreadthfirstsearch，andmarkstheconnectedcorepointsaswellastheirnearestneighborsasthesamecluster．Inaddition，thealgorithmautomaticallyadjUStSthevaluesoftheparametersatruntimeaccordingtotheave

7、ragedensitiesanddensitychangerateofthemarkedcorepoints．Experimentalresultsshowthattheimprovedmethodcanfindclustersofarbitraryshape，sizeanddensity，andeliminateoutliers．Besides，withtheself—adaptive，settingparametersiseasierthanotheralgorithms．【Keywords】se

8、lf—adaption；varieddensity；kNearestNeighbor(kNN)；clustering；dataminingD0I：10．3969／i．issn．1000—3428．2014．08．012较新的方法，例如核聚类、谱聚类、蚁群聚类等。其1概述中基于密度的聚类比较优秀，它可以聚类任意形状聚类是一种十分重要的数据挖掘方法。它的目和大小的簇。标是将数据对象进行分组，使得组内对象之间的相DBSCAN(DensityBasedSpati