一种改进的DBSCAN算法  

An Improved DBSCAN Algorithm

作　　者：赵文[1] 夏桂书[2] 苟智坚[1] 闫振兴[3] 

机构地区：[1]成都信息工程学院网络工程学院,四川成都610225 [2]中国民用航空飞行学院航空工程学院,四川广汉618307 [3]北京理工大学信息与电子学院,北京100081

出　　处：《四川师范大学学报（自然科学版）》2013年第2期312-316,共5页Journal of Sichuan Normal University（Natural Science）

基　　金：四川省教育厅自然科学重点基金(11ZA114)资助项目

摘　　要：聚类技术是数据挖掘中的一项重要技术,它能够根据数据自身的特点将集中的数据划分为簇.DBSCAN是一种经典的基于密度的聚类算法,能发现任意数量和形状的簇,但需设置Eps和MinPts参数,且聚类效果对参数敏感.提出一种改进的DBSCAN算法,该算法采用自适应的Eps参数使得DBSCAN算法能对具有不同密度的簇的数据集进行聚类.仿真实验结果验证了所提算法的有效性.Clustering is an important technique in data mining, which can classify data according to the characteristic of data. DBSCAN is a classical density-based clustering algorithm, which can automatically determine the number of clusters and deal with clusters of arbitrary shapes, however it needs to specify two parameters of Eps and MinPts before clustering and the clustering results are very sensitive to the two parameters. In this paper an improved DBSCAN algorithm is proposed, which can specify Eps adaptively to deal with data sets with different density clusters. Experimental results demonstrate effectiveness of the improved algorithm.

关 键 词：聚类 密度 自适应 DBSCAN算法 

分 类 号：TP301[自动化与计算机技术—计算机系统结构]