基于單元格的多密度GMDBSCAN聚類(lèi)算法.pdf

1、聚類(lèi)分析作為數(shù)據(jù)挖掘領(lǐng)域中的一個(gè)重要分支，研究數(shù)據(jù)對(duì)象的分類(lèi)問(wèn)題，在模式識(shí)別、圖像處理、市場(chǎng)研究以及生命科學(xué)等眾多學(xué)科領(lǐng)域具有廣泛的應(yīng)用前景。DBSCAN算法因?yàn)榭梢园l(fā)現(xiàn)任意形狀的聚類(lèi)，排除噪聲干擾等優(yōu)點(diǎn)而備受關(guān)注。但是該算法只是簡(jiǎn)單的使用全局參數(shù)，參數(shù)的設(shè)置缺乏針對(duì)性，將會(huì)導(dǎo)致對(duì)多密度的數(shù)據(jù)集的聚類(lèi)效果不理想；在對(duì)大數(shù)據(jù)集進(jìn)行聚類(lèi)時(shí)，算法時(shí)間復(fù)雜度較高，對(duì)大數(shù)據(jù)集適用性較差。本文結(jié)合空間索引技術(shù)，提出了一種基于單元格的多密度聚類(lèi)算法G

2、MDBSCAN，并對(duì)多個(gè)樣本數(shù)據(jù)集進(jìn)行了實(shí)驗(yàn)，實(shí)驗(yàn)結(jié)果驗(yàn)證了GMDBSCAN算法的有效性。本文的主要工作如下： 提出了一種基于單元格的多密度聚類(lèi)算法GMDBSCAN。從聚類(lèi)質(zhì)量和復(fù)雜度兩方面改進(jìn)了DBSCAN算法。GMDBSCAN算法引入了基于空間的劃分技術(shù)劃分?jǐn)?shù)據(jù)空間，以每個(gè)單元格作為一個(gè)局部區(qū)域，根據(jù)每個(gè)單元格的密度確定局部的MinPts參數(shù)；根據(jù)類(lèi)間的相似度合并類(lèi)；用基于距離的方法處理邊界，提高了算法的聚類(lèi)質(zhì)量。GMDBS