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 c...
详细信息
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。
“云物移大智”所代表的新兴信息技术，正在改变甚至颠覆社会组织的（传统）经营运作方式．全球化、虚拟化、网络化组织（包括企业）的业务过程管理变得日益复杂，给业务过程的柔性建模、高效调度、智能分析、合规控制等方面提出了一系列新的挑战．业务过程管理（business process management，简称BPM）致力创新企业业务过程管理、分析、控制和改进的系统化与结构化方法，其目标在于改进产品质量，提升服务水平，是现代信息系统的共性基础技术．
暂无评论