DBSCAN算法中参数的自适应确定  

Research on adaptive parameters determination in DBSCAN algorithm

作　　者：李宗林[1] 罗可[1] 

机构地区：[1]长沙理工大学计算机与通信工程学院,长沙410114

出　　处：《计算机工程与应用》2016年第3期70-73,80,共5页Computer Engineering and Applications

基　　金：国家自然科学基金(No.11171095;No.71371065);湖南省自然科学衡阳联合基金(No.10JJ8008);湖南省科技计划项目(No.2013SK3146)

摘　　要：DBSCAN算法需要人为确定Eps和min Pts两个参数,导致聚类结果的准确度直接取决于用户对参数的选择,因此提出一种新的参数确定方法,采用非参数核密度估计理论分析数据样本的分布特征来自动确定Eps和min Pts参数,避免了聚类过程的人工干预,实现聚类过程的自动化。理论分析和实验结果表明,该方法能够选择合理的Eps和min Pts参数,并得到了较高准确度的聚类结果。DBSCAN algorithm needs Eps and minPts two parameters, leading to the accuracy of clustering results directly depends on the user＇ s choice of parameters, thus this paper puts forward a new method of parameter determination. It adopts nonparametric kernel density estimation theory to analyse the distribution features of the data samples to automatically determine the Eps and minPts parameters, avoiding the manual intervention of clustering process, and achieving automation of clustering process. Theoretical analysis and experimental results show that this method is able to choose reasonable parameters of Eps and minPts and clustering results with higher accuracy are obtained.

关 键 词：一种经典的基于密度的聚类算法(DBSCAN) 核密度估计 自适应 聚类 

分 类 号：TP301[自动化与计算机技术—计算机系统结构]