计算机工程
計算機工程
계산궤공정
COMPUTER ENGINEERING
2014年
8期
58-63,69
,共7页
自适应%变化密度%k最近邻%聚类%数据挖掘
自適應%變化密度%k最近鄰%聚類%數據挖掘
자괄응%변화밀도%k최근린%취류%수거알굴
self-adaption%varied density%k Nearest Neighbor(kNN)%clustering%data mining
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.
針對DBSCAN算法無法處理變化密度的問題,提齣一種基于變化密度的自適應空間聚類方法.採用密度變化率來識彆不同密度的簇之間的邊界,且運行時自動調整參數的值.將密度定義為一箇點到其第k箇最近鄰居的距離,若一箇點的鄰居的密度與該點密度的變化率小于用戶給定閾值,則為相似鄰居.定義覈點為最鄰近鄰居中至少有k箇是相似鄰居的點,在此基礎上應用DBSCAN算法進行廣度優先搜索,將密度相似併且距離可達的覈點及其最鄰近鄰居標記為同一箇簇.在判斷相似鄰居時,根據已加入的覈點的平均密度和密度變化率自動調整參數值.實驗結果錶明,該方法可以準確地髮現任意形狀、大小和密度的簇,消除孤立點,且通過自適應機製更容易設置閤適參數.
침대DBSCAN산법무법처리변화밀도적문제,제출일충기우변화밀도적자괄응공간취류방법.채용밀도변화솔래식별불동밀도적족지간적변계,차운행시자동조정삼수적치.장밀도정의위일개점도기제k개최근린거적거리,약일개점적린거적밀도여해점밀도적변화솔소우용호급정역치,칙위상사린거.정의핵점위최린근린거중지소유k개시상사린거적점,재차기출상응용DBSCAN산법진행엄도우선수색,장밀도상사병차거리가체적핵점급기최린근린거표기위동일개족.재판단상사린거시,근거이가입적핵점적평균밀도화밀도변화솔자동조정삼수치.실험결과표명,해방법가이준학지발현임의형상、대소화밀도적족,소제고립점,차통과자괄응궤제경용역설치합괄삼수.
