基于粒子群優(yōu)化的帶障礙約束DBSCAN算法研究.pdf

1、空間數(shù)據(jù)挖掘是現(xiàn)代研究領(lǐng)域中一個非常活躍的研究課題,空間數(shù)據(jù)挖掘已經(jīng)廣泛應(yīng)用于遙感系統(tǒng)、全球定位系統(tǒng)和地理信息系統(tǒng),在國民經(jīng)濟和國防建設(shè)方面發(fā)揮著越來越大的作用?？臻g聚類分析作為數(shù)據(jù)挖掘中一項重要的挖掘任務(wù)和挖掘方法,能夠發(fā)現(xiàn)密集和稀疏的空間數(shù)據(jù)關(guān)系,并且在聚類過程中充分考慮了現(xiàn)實障礙物的存在,具有廣闊的應(yīng)用前景和實際價值。
　　 DBSCAN算法是一種重要的基于密度的高效聚類方法,適用于任意形狀和大小的幾何圖形的聚類,可以自動

2、確定形成的簇的數(shù)目,有效地將簇和環(huán)境噪聲相分離。DBSCAN具有聚類速度快,能夠處理復(fù)雜數(shù)據(jù)對象等優(yōu)點,然而由于參數(shù)選擇和參數(shù)計算的方法不同,算法的執(zhí)行結(jié)果和執(zhí)行效果則相差很大。目前,已經(jīng)有許多學(xué)者致力于研究有效的DBSCAN參數(shù)選擇方法,從而使它能夠適應(yīng)更加實際和復(fù)雜的數(shù)據(jù)挖掘問題中。
　　 粒子群優(yōu)化算法作為一種新穎的群集智能算法,在誕生后的10年多時間里,其算法結(jié)構(gòu)和性能改善一直是研究者們關(guān)注的熱點。粒子群優(yōu)化算法是基于群

3、集智能理論的關(guān)鍵優(yōu)化算法,通過群體中粒子間在合作與競爭的過程中產(chǎn)生群體智能,并利用此群體智能指導(dǎo)整個迭代搜索過程。
　　 本文首先介紹了聚類和空間聚類的原理,并針對其中基于密度的DBSCAN聚類算法的優(yōu)缺點進行了深入的分析。然后,根據(jù)粒子群優(yōu)化算法的迭代搜索策略,并借助移動機器人路徑規(guī)劃方法的動態(tài)避障思想,提出了一種新的基于粒子群優(yōu)化算法的障礙約束條件下DBSCAN空間聚類算法-PSODBSCAN。該算法在DBSCAN算法的基礎(chǔ)