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 >一种基于密度的快速聚类方法 收藏

一种基于密度的快速聚类方法

Fast Density-Based Clustering Approach

作     者:张晓 张媛媛 高阳 周新民 Zhang Xiao;Zhang Yuanyuan;Gao Yang;Zhou Xinmin

作者机构:伊犁师范学院电子与信息工程学院伊宁835000 南京大学计算机软件新技术国家重点实验室南京210023 江苏省公安厅物证鉴定中心南京210046 

出 版 物:《数据采集与处理》 (Journal of Data Acquisition and Processing)

年 卷 期:2015年第30卷第4期

页      面:888-895页

核心收录:

学科分类:08[工学] 081202[工学-计算机软件与理论] 0812[工学-计算机科学与技术(可授工学、理学学位)] 

基  金:江苏省社会发展(BE2010638)资助项目 

主  题:聚类 密度 F-DBSCAN 算法效率 

摘      要:具有噪声的基于密度的聚类方法(Density-based spatial clustering of applications with noise,DBSCAN)在数据规模上的扩展性较差。本文在其基础上提出一种改进算法——具有噪声的基于密度的快速聚类方法(Fast-density-based spatial clustering of applications with noise,F-DBSCAN),对核心对象邻域中的对象只作标记,不再进行扩展检查,通过判断核心对象邻域中是否存在已标记对象来实现簇合并,对边界对象判断其邻域中是否存在核心对象来确认是否为噪声。此方法避免了原始算法中对重叠区域的重复操作,在不需创建空间索引的前提下,其时间复杂度为O(nlogn)。通过实验数据集和真实数据集,验证其聚类效果及算法效率。实验表明F-DBSCAN算法不仅保证了有良好的聚类效果及算法效率,并且在数据规模上具有良好的扩展性。

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