《计算机工程与应用》唯一官方网站
 首页  |  期刊介绍  |  编委会  |  投稿指南  |  道德声明  |  中图分类号  |  期刊订阅  |  联系我们  |  English
《计算机工程与应用》唯一官方网站
大数据与云计算 最新目录 | 下期目录 | 过刊浏览 | 高级检索  |   
DBSCAN算法中参数的自适应确定
李宗林,罗  可
长沙理工大学 计算机与通信工程学院,长沙 410114
Research on adaptive parameters determination in DBSCAN algorithm
LI Zonglin, LUO Ke
Institute of Computer and Communication Engineering, Changsha University of Sciences and Technology, Changsha 410114, China
 全文: PDF (510 KB)   HTML (1 KB)  输出: BibTeX | EndNote (RIS)      背景资料
摘要 DBSCAN算法需要人为确定[Eps]和[minPts]两个参数,导致聚类结果的准确度直接取决于用户对参数的选择,因此提出一种新的参数确定方法,采用非参数核密度估计理论分析数据样本的分布特征来自动确定[Eps]和[minPts]参数,避免了聚类过程的人工干预,实现聚类过程的自动化。理论分析和实验结果表明,该方法能够选择合理的[Eps]和[minPts]参数,并得到了较高准确度的聚类结果。
服务
把本文推荐给朋友
加入我的书架
加入引用管理器
E-mail Alert
RSS
作者相关文章
李宗林
罗 可
关键词一种经典的基于密度的聚类算法(DBSCAN)   核密度估计   自适应   聚类     
Abstract: DBSCAN algorithm needs Eps and minPts two parameters, leading to the accuracy of clustering results directly depends on the user’s choice of parameters, thus this paper puts forward a new method of parameter determination. It adopts nonparametric kernel density estimation theory to analyse the distribution features of the data samples to automatically determine the Eps and minPts parameters, avoiding the manual intervention of clustering process, and achieving automation of clustering process. Theoretical analysis and experimental results show that this method is able to choose reasonable parameters of Eps and minPts and clustering results with higher accuracy are obtained.
Key wordsDensity Based Spatial Clustering of Applications with Noise(DBSCAN)   kernel density estimation   self-adaptive   clustering   
引用本文:   
李宗林,罗 可. DBSCAN算法中参数的自适应确定[J]. 《计算机工程与应用》唯一官方网站, 2016, 52(3): 70-73.
LI Zonglin,LUO Ke. Research on adaptive parameters determination in DBSCAN algorithm[J]. CEA, 2016, 52(3): 70-73.
链接本文:  
http://cea.ceaj.org/CN/
 
没有找到本文相关图表信息
没有本文参考文献
[1] 乔冬冬,方洋旺,陈少华,彭维仕. 一种竞争型量子进化算法[J]. 《计算机工程与应用》唯一官方网站, 2016, 52(9): 18-22.
[2] 万 静,孙永倩,董怀国,肖宇鹏,齐 坡. 空间聚类与方向关系的融合技术研究[J]. 《计算机工程与应用》唯一官方网站, 2016, 52(9): 56-61.
[3] 王向华1,陈特放1,张必明2,颜 剑1. 基于时间序列和任务调度的Web数据聚类算法[J]. 《计算机工程与应用》唯一官方网站, 2016, 52(9): 159-163.
[4] 刘文进1,张 蕾2,孙劲光1. 近邻传播聚类优化的角点检测改进算法[J]. 《计算机工程与应用》唯一官方网站, 2016, 52(9): 219-222.
[5] 范 敏,余 海,石为人,黄 杰. 两轮自平衡小车模型参考自适应控制平衡算法[J]. 《计算机工程与应用》唯一官方网站, 2016, 52(9): 258-262.
[6] 雷 霆,张国良,汤文俊,孙一杰. 不确定性自由漂浮空间机器人神经自适应控制[J]. 《计算机工程与应用》唯一官方网站, 2016, 52(8): 29-32.
[7] 程玉胜1,2,梁 辉2,王一宾1,2,任 勇2. 结合关键词微变和LD算法的文本相似性研究[J]. 《计算机工程与应用》唯一官方网站, 2016, 52(8): 70-73.
[8] 孔国杰,王 凯,沈明堂,张 芳,吴 科. 一种结合小波阈值滤波的自适应整体变分方法[J]. 《计算机工程与应用》唯一官方网站, 2016, 52(8): 240-242.
[9] 彭 杨. 结合自适应保真项的各向异性扩散模型[J]. 《计算机工程与应用》唯一官方网站, 2016, 52(7): 206-209.
[10] 杨卫波1,2,王万良1,张景玲3,赵燕伟3. 基于遗传模拟退火算法的矩形件优化排样[J]. 《计算机工程与应用》唯一官方网站, 2016, 52(7): 259-263.
[11] 周利军1,彭 卫2,邹 芳2,刘宇荧3,李 莉3. 自适应变异粒子群算法[J]. 《计算机工程与应用》唯一官方网站, 2016, 52(7): 50-55.
[12] 王金凤,邢长征. 基于道路网络的移动对象聚类[J]. 《计算机工程与应用》唯一官方网站, 2016, 52(7): 74-78.
[13] 任建华,沈炎彬,孟祥福,王 伟. 基于词条之间关联关系的文档聚类[J]. 《计算机工程与应用》唯一官方网站, 2016, 52(7): 86-90.
[14] 田凡凡,崔宝同,楼旭阳. 分布式传感网络的自适应一致性算法[J]. 《计算机工程与应用》唯一官方网站, 2016, 52(6): 86-89.
[15] 许 峰,吴福芳. 自适应协同进化多目标进化算法[J]. 《计算机工程与应用》唯一官方网站, 2016, 52(6): 26-30.
版权所有 © 《《计算机工程与应用》唯一官方网站》编辑部
通信地址: 北京619信箱26分箱 邮编: 100083 电话: (010)89055542 E-mail: ceaj@vip.163.com
技术支持:北京玛格泰克科技发展有限公司
京ICP备13024262号-1