一个基于DBSCAN聚类算法的实现  

Implementation of A Clustering Algorithm Based on High Density

作　　者：谭勇[1] 荣秋生[2] 

机构地区：[1]湖北民族学院信息工程学院,湖北省恩施445000 [2]湖南文理学院计算机系,湖北省常德415000

出　　处：《计算机工程》2004年第13期119-121,共3页Computer Engineering

基　　金：国家"973"计划基金资助项目(G1998030409);湖南省自然科学基金资助项目(JY2068)

摘　　要：高密度聚类作为数据挖掘中聚类算法的一种分析方法,它能找到样本比较密集的部分,并且概括出样本相对比较集中的类。分析了传统的聚类算法及局限性,讨论了一个基于高密度聚类算法的实现过程,使得算法可自动发现高维子空间,处理高维数据表格,得到较快的聚类速度和最佳的聚类效果。As one analyzing method of clustering algorithm in data mining, DBSCAN finds relatively dense regions, which are clusters. DBSCAN is capable of eliminating outliers and discovering clusters of various shapes. The article analyses localization of the traditional clustering algorithm,discusses an implementation of DBSCAN. the algorithm digs out high dimension space ,deals with data form.The high accuracy and efficiency of DBSCAN clustering algorithm are shown in experiments.

关 键 词：数据挖掘 聚类 高密度 DBSCAN 

分 类 号：TP301.6[自动化与计算机技术—计算机系统结构]