10.3778/j.issn.1002-8331.1908-0501
改进的自适应参数DBSCAN聚类算法
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%.
密度聚类、DBSCAN算法、自适应、核密度估计、参数寻优
56
TP311.13(计算技术、计算机技术)
国家自然科学基金No.71371091
2020-07-23(万方平台首次上网日期,不代表论文的发表时间)
共7页
45-51