一种改进的基于密度的抽样聚类算法

胡彩平; 秦小麟

发布时间：
摘要点击次数： 3261
全文下载次数： 331
DOI: 10.11834/jig.20071114
2007 | Volume 12 | Number 11

一种改进的基于密度的抽样聚类算法

胡彩平¹, 秦小麟¹(南京航空航天大学信息科学与技术学院，南京 210016)

摘要

基于密度的聚类算法DBSCAN是一种有效的空间聚类算法，它能够发现任意形状的聚类并且有效地处理噪声。然而，DBSCAN算法也有一些缺点，例如，①在聚类时只考虑空间属性没有考虑非空间属性；②在对大规模空间数据库进行聚类分析时需要较大的内存支持和／／O消耗。为此，在分析DBSCAN算法不足的基础上，提出了一种改进的基于密度的抽样聚类（improved density-based spatial clustering algorithm with sampling，IDBSCAS）算法，使之能够有效地处理大规模空间数据库，并且它不仅考虑了空间属性也考虑了非空间属性。2维空间数据的测试结果表明，该算法是可行、有效的。

关键词

空间数据挖掘空间聚类密度种子非空间属性

An Improved Density-based Spatial Clustering Algorithm with Sampling

()

Abstract

Keywords

spatial data mining spatial clustering density seeds non-spatial attributes

在线采编平台

论文出版

年度会议

下载中心

年度信息