S-DBSCAN:一种基于DBSCAN发现高密度簇的算法

摘要：

针对基于密度的带有噪声的空间聚类(DBSCAN)算法用于交互式数据挖掘时用户经常调整算法参数以发现感兴趣的知识以及数据集相对稳定的特点,提出了一种基于DBSCAN发现高密度簇的算法——S-DBSCAN算法,确定了需调整的算法参数——对象的邻域范围ε(Eps)和满足核心对象条件的ε邻域内最小对象个数MinPts,阐述了参数ε与MinPts的3种适合S-DBSCAN算法的变化情况,并给出了相应的证明,同时分析了算法的时间复杂度.在对真实和合成数据集的测试中,S-DBSCAN算法相比DBSCAN算法具有较好的效率.

关键词：基于密度的带有噪声的空间聚类(DBSCAN)、S-DBSCAN、高密度簇、聚类、参数可变

所属期刊栏目：22

分类号：TP2;TP3

资助基金：863计划2009AA12Z220,2009AA12Z226

在线出版日期：2012-11-01（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：589-595