咨询与建议

看过本文的还看了

相关文献

该作者的其他文献

文献详情 >基于局部半径的三支DBSCAN算法 收藏

基于局部半径的三支DBSCAN算法

Three-way DBSCAN Algorithm Based on Local Eps

作     者:申秋萍 张清华 高满 代永杨 SHEN Qiuping;ZHANG Qinghua;GAO Man;DAI Yongyang

作者机构:重庆邮电大学计算智能重庆市重点实验室重庆400065 重庆邮电大学旅游多源数据感知与决策技术文化和旅游部重点实验室重庆400065 

出 版 物:《计算机科学》 (Computer Science)

年 卷 期:2023年第50卷第6期

页      面:100-108页

学科分类:081203[工学-计算机应用技术] 08[工学] 0835[工学-软件工程] 0812[工学-计算机科学与技术(可授工学、理学学位)] 

基  金:国家重点研究发展计划(2020YFC2003502) 国家自然科学基金(61876201) 重庆英才名家名师项目(CQYC20210202215) 

主  题:三支聚类 DBSCAN 局部半径 多密度 重叠数据集 

摘      要:DBSCAN(Density-Based Spatial Clustering of Applications with Noise)是一种经典的基于密度的聚类算法,它通过两个全局参数即半径Eps和最少点数MinPts,能够对任意形状的数据进行聚类,并自动确定类个数。但是,使用全局半径的DBSCAN对于密度不均匀数据集的聚类效果较差,且无法对重叠数据集进行聚类。因此,定义了密度递减原则和局部半径,并根据k-近邻距离自动确定局部半径,从而提出了基于局部半径的DBSCAN算法(LE-DBSCAN);然后,通过考虑近邻的标签,对二支聚类结果的临界点和噪声点进行重新划分,从而提出了基于局部半径的三支DBSCAN算法(LE3W-DBSCAN)。将LE-DBSCAN和LE3W-DBSCAN与该领域的相关算法在UCI数据集和人工数据集上进行对比,实验结果表明,所提算法在常用的硬聚类指标和软聚类指标上都具有较好的表现。

读者评论 与其他读者分享你的观点

用户名:未登录
我的评分