福建电脑
福建電腦
복건전뇌
FUJIAN COMPUTER
2010年
3期
88-89
,共2页
数据挖掘%聚类%密度聚类%DBSCAN
數據挖掘%聚類%密度聚類%DBSCAN
수거알굴%취류%밀도취류%DBSCAN
经典的密度聚类算法是DBSCAN(Density-Based Spatial Clustering of Applications with Noise),它在处理空间数据时具有快速、有效处理噪声点和发现任意形状的聚类等优点.但是DBSCAN存在一些缺点,因此许多密度聚类算法被提出来,包括:基于抽样的DBSCAN、基于数据分区的DBSCAN、基于密度梯度的聚类算法和基于相对密度的聚类算法等.
經典的密度聚類算法是DBSCAN(Density-Based Spatial Clustering of Applications with Noise),它在處理空間數據時具有快速、有效處理譟聲點和髮現任意形狀的聚類等優點.但是DBSCAN存在一些缺點,因此許多密度聚類算法被提齣來,包括:基于抽樣的DBSCAN、基于數據分區的DBSCAN、基于密度梯度的聚類算法和基于相對密度的聚類算法等.
경전적밀도취류산법시DBSCAN(Density-Based Spatial Clustering of Applications with Noise),타재처리공간수거시구유쾌속、유효처리조성점화발현임의형상적취류등우점.단시DBSCAN존재일사결점,인차허다밀도취류산법피제출래,포괄:기우추양적DBSCAN、기우수거분구적DBSCAN、기우밀도제도적취류산법화기우상대밀도적취류산법등.
