初始点优化与参数自适应的密度聚类算法

发布时间：2017-11-24 20:34

  本文关键词：初始点优化与参数自适应的密度聚类算法

  更多相关文章： 初始点优化 自适应 变化密度 聚类 数据挖掘

【摘要】：针对密度聚类算法DBSCAN无法处理变化密度的问题,提出一种初始点优化与参数自适应的改进算法。利用初始点优化方法确定全局密度最大的点,结合该点和数据集自身的特征,自适应得到DBSCAN算法聚类出当前簇所需要的合适参数。该算法能够为不同密度的簇自适应设置不同的参数,而且优先对高密度簇进行聚类,即能对变化密度的数据集进行聚类。实验结果表明,该算法可以发现任意形状、大小和变化密度的簇,解决数据重叠和簇内密度不均匀问题,具有较高的聚类准确率。
【作者单位】： 江南大学物联网工程学院;
【基金】：国家留学基金资助项目(201308320030) 江苏省自然科学基金资助项目(BK20140165)
【分类号】：TP311.13
【正文快照】： 聚类算法,包括层次聚类、划分聚类、基于密度的聚1概述类等。聚类是一种流行的数据挖掘技术,聚类算法被现有的聚类算法都有其各自的应用领域,同时广泛地应用在许多领域,包括模式识别、机器学习、也存在各自的不足。基于层次聚类的算法,可以发图像处理、信息检索等,在数据挖掘

【参考文献】

中国期刊全文数据库 前1条

1 陈刚;刘秉权;吴岩;;一种基于高斯分布的自适应DBSCAN算法[J];微电子学与计算机;2013年03期

【共引文献】

中国期刊全文数据库 前8条

1 许芳芳;;一种结合蚁群聚类算法的DBSCAN算法[J];池州学院学报;2014年06期

2 张丽杰;;具有稳定饱和度的DBSCAN算法[J];计算机应用研究;2014年07期

3 谢练;吴超仲;吕能超;高岩;;基于改进聚类算法的道路交通事故多发路段鉴别方法研究[J];武汉理工大学学报(交通科学与工程版);2014年04期

4 杨亚军;张坤龙;杨晓科;;基于变化密度的自适应空间聚类方法研究[J];计算机工程;2014年08期

5 凌朝东;陈虎;杨骁;张浩;黄信;;结合SLIC超像素和DBSCAN聚类的眼底图像硬性渗出检测方法[J];华侨大学学报(自然科学版);2015年04期

6 赖丽萍;聂瑞华;汪疆平;黄家鸿;;基于MapReduce的改进DBSCAN算法[J];计算机科学;2015年S2期

7 张晓;张媛媛;高阳;周新民;;一种基于密度的快速聚类方法[J];数据采集与处理;2015年04期

8 安计勇;韩海英;侯效礼;;一种改进的DBscan聚类算法[J];微电子学与计算机;2015年07期

中国硕士学位论文全文数据库 前2条

1 杨亚军;基于MapReduce的自适应密度聚类算法研究[D];天津大学;2014年

2 戴阳阳;基于数据挖掘的金融时间序列预测研究与应用[D];江南大学;2015年

【二级参考文献】

中国期刊全文数据库 前6条

1 谭颖;胡瑞飞;殷国富;;多密度阈值的DBSCAN改进算法[J];计算机应用;2008年03期

2 侯荣涛;朱斌;冯民学;史鑫明;路郁;;基于DBSCAN聚类算法的闪电临近预报模型[J];计算机应用;2012年03期

3 赵康;陆介平;倪巍伟;王桂平;;一种基于密度的文本聚类挖掘算法[J];计算机应用研究;2009年01期

4 许虎寅;王治和;;一种改进的基于密度的聚类算法[J];微电子学与计算机;2012年02期

5 岳士弘,李平,郭继东,周水庚;A statistical information-based clustering approach in distance space[J];Journal of Zhejiang University Science A(Science in Engineering);2005年01期

6 夏鲁宁;荆继武;;SA-DBSCAN:一种自适应基于密度聚类算法[J];中国科学院研究生院学报;2009年04期

【相似文献】

中国重要会议论文全文数据库 前1条

1 季铎;朱靖波;;基于词分布的初始点选取方法[A];中文信息处理前沿进展——中国中文信息学会二十五周年学术会议论文集[C];2006年

，

本文编号：1223449