改进的自适应参数DBSCAN聚类算法

摘要：

针对传统DBSCAN算法需要人工输入Eps和MinPts参数,且参数选择不合理导致聚类准确率低的问题,提出了一种改进的自适应参数密度聚类算法.采用核密度估计确定Eps和MinPts参数的合理区间,通过分析数据局部密度特点确定簇数,根据合理区间内的参数值进行聚类,计算满足簇数条件时的轮廓系数,最大轮廓系数对应的参数即为最优参数.在4种经典数据集上进行对比实验,结果表明,该算法能够自动选择最优的Eps和MinPts参数,准确率平均提高6.1％.

关键词：密度聚类、DBSCAN算法、自适应、核密度估计、参数寻优

所属期刊栏目：56

分类号：TP311.13(计算技术、计算机技术)

资助基金：国家自然科学基金No.71371091

在线出版日期：2020-07-23（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：45-51