期刊文献+
共找到75篇文章
< 1 2 4 >
每页显示 20 50 100
一种采用伪随机分区的自适应并行密度聚类算法
1
作者 曾鸿斌 钱雪忠 宋威 《小型微型计算机系统》 北大核心 2025年第6期1349-1357,共9页
针对大数据环境下并行密度聚类算法存在数据分区效率低下、负载不均衡、局部聚类合并不准确以及并行化效率较低等问题,本文提出了一种基于伪随机分区策略构建单元子图的并行密度聚类算法.该算法采用伪随机分区策略快速进行数据分区,并使... 针对大数据环境下并行密度聚类算法存在数据分区效率低下、负载不均衡、局部聚类合并不准确以及并行化效率较低等问题,本文提出了一种基于伪随机分区策略构建单元子图的并行密度聚类算法.该算法采用伪随机分区策略快速进行数据分区,并使用Spark在每个分区中构建单元子图实现局部聚类.同时,本文还提出了一种新的局部簇合并策略,提高了合并的准确率.此外,针对传统DBSCAN算法需要手动确定参数的问题,本文使用了一种改进的自适应参数方法,通过使用高斯核函数和最小化积分均方误差(MISE)方法确定eps和minpts的值.经实验证明,该算法在人工数据集和大规模真实数据集上都展现出了出色的并行性能和高准确率. 展开更多
关键词 dbscan 伪随机分区 SPARK 自适应参数 合并
在线阅读 下载PDF
贝壳形屋盖风压系数密度峰值聚类分区研究
2
作者 林拥军 周畅 +2 位作者 张曾鹏 余国菲 谢远昂 《建筑科学与工程学报》 北大核心 2024年第1期158-170,共13页
鉴于贝壳形屋盖表面风压分布的特殊性,提出基于快速搜索技术的密度峰值聚类风压系数分区方法。以某贝壳形屋盖表面风压分布试验结果为基础,进行密度峰值聚类风压系数分区,采用SD有效性指标验证分区数的合理性,并与改进k-means聚类分区... 鉴于贝壳形屋盖表面风压分布的特殊性,提出基于快速搜索技术的密度峰值聚类风压系数分区方法。以某贝壳形屋盖表面风压分布试验结果为基础,进行密度峰值聚类风压系数分区,采用SD有效性指标验证分区数的合理性,并与改进k-means聚类分区结果进行对比。结果表明:密度峰值聚类风压系数分区以风压系数相对距离、局部密度和综合指数为特征参数,能较好反映屋面风压分布特性,有效保证类聚合性和类类分离性;相较于改进k-means分区法,不同风向角下密度峰值聚类得到的分区数与SD最优聚类数接近;密度峰值聚类分区结果能更准确反映贝壳形屋盖表面风压分布特性,充分体现测点风压系数局部密度和相对距离特征值较大的基本原则,对于贝壳形屋盖的风压系数分区具有更好的适用性;贝壳形屋盖密度峰值聚类分区最大负风压系数在-0.59~-1.74之间。 展开更多
关键词 密度峰值 快速搜索 风压系数分区 贝壳形屋盖
在线阅读 下载PDF
Greedy DBSCAN:一种针对多密度聚类的DBSCAN改进算法 被引量:45
3
作者 冯振华 钱雪忠 赵娜娜 《计算机应用研究》 CSCD 北大核心 2016年第9期2693-2696,2700,共5页
针对基于密度的DBSCAN算法对于输入参数敏感、无法聚类多密度数据集等问题,提出了一种贪心的DBSCAN改进算法(greedy DBSCAN)。算法仅需输入一个参数Min Pts,采用贪心策略自适应地寻找Eps半径参数进行簇发现,利用相对稠密度识别和判定噪... 针对基于密度的DBSCAN算法对于输入参数敏感、无法聚类多密度数据集等问题,提出了一种贪心的DBSCAN改进算法(greedy DBSCAN)。算法仅需输入一个参数Min Pts,采用贪心策略自适应地寻找Eps半径参数进行簇发现,利用相对稠密度识别和判定噪声数据,在随机寻找核对象过程中使用邻域查询方式提升算法效率,最终通过簇的合并产生最终的聚类结果。实验结果表明,改进后的算法能有效地分离噪声数据,识别多密度簇,聚类准确度较高。 展开更多
关键词 密度 贪心策略 相对稠密度 邻域查询 噪声数据 dbscan
在线阅读 下载PDF
VDBSCAN:变密度聚类算法 被引量:22
4
作者 周董 刘鹏 《计算机工程与应用》 CSCD 北大核心 2009年第11期137-141,153,共6页
传统的密度聚类算法不能识别并聚类多个不同密度的簇。对此提出了变密度聚类算法VDBSCAN,针对密度不稳定的数据集,可有效识别并同时聚类不同密度的簇,避免合并和遗漏。VDBSCAN算法的基本思想是:根据k-dist图和DK分析,对数据集中的不同... 传统的密度聚类算法不能识别并聚类多个不同密度的簇。对此提出了变密度聚类算法VDBSCAN,针对密度不稳定的数据集,可有效识别并同时聚类不同密度的簇,避免合并和遗漏。VDBSCAN算法的基本思想是:根据k-dist图和DK分析,对数据集中的不同密度层次自动选择一组Eps值,分别调用DBSCAN算法。不同的Eps值,能够找到不同密度的簇。4个二维数据集实验验证了VDB-SCAN算法的有效性,表明VDBSCAN算法可以有效地聚类密度不均匀的数据集,且参数Eps的自动选择方法也是有效的和健壮的。 展开更多
关键词 密度算法 基于密度的聚 dbscan 数据挖掘
在线阅读 下载PDF
基于快速搜索与发现密度峰值聚类算法的含有分布式光伏的配电网电压分区协调控制 被引量:21
5
作者 张赟宁 石泽 《现代电力》 北大核心 2020年第1期35-41,共7页
随着大量分布式光伏并入配电网,重要负荷节点电压越限的紧急情况更容易发生,这对当前潮流状态下电压控制的快速性提出了更高的要求。考虑电压集中控制方式控制过程复杂且传统的分区方法耗时较长等问题,首先以节点间的综合电压灵敏度为... 随着大量分布式光伏并入配电网,重要负荷节点电压越限的紧急情况更容易发生,这对当前潮流状态下电压控制的快速性提出了更高的要求。考虑电压集中控制方式控制过程复杂且传统的分区方法耗时较长等问题,首先以节点间的综合电压灵敏度为基础计算节点电气距离,根据电气距离构建节点相似度矩阵,并采用快速搜索与发现密度峰值聚类算法对配电网进行快速分区;然后考虑本地光伏独立调压能力的不足,提出了一种先无功后有功的电压分区协调控制策略;最后通过IEEE33配电网算例的仿真结果验证了该分区方法的快速性和电压分区协调控制策略的有效性。 展开更多
关键词 电压集中控制 综合电压灵敏度 电气距离 快速搜索与发现密度峰值 电压分区协调控制
在线阅读 下载PDF
分区基于密度的聚类算法在激光雷达行人检测系统中的应用 被引量:7
6
作者 宋柱 付锐 +1 位作者 张名芳 刘新雨 《科学技术与工程》 北大核心 2017年第18期282-287,共6页
行人检测过程中原始DBSCAN算法不能正确地对密度不均匀的激光点云聚类,产生错误的聚类结果导致行人检测系统出现误检和漏检。为解决这一问题,基于激光雷达的行人检测系统在原始密度聚类算法DBSCAN的基础上提出了分区DBSCAN算法。该算法... 行人检测过程中原始DBSCAN算法不能正确地对密度不均匀的激光点云聚类,产生错误的聚类结果导致行人检测系统出现误检和漏检。为解决这一问题,基于激光雷达的行人检测系统在原始密度聚类算法DBSCAN的基础上提出了分区DBSCAN算法。该算法将密度不均匀的点云数据划分为若干个密度相对均匀的分区,从而能实现对行人的快速准确检测。实验结果表明原始DBSCAN算法行人检测率为62.47%,使用分区DBSCAN算法的激光雷达行人检测系统行人检测率达到82.21%,相对于原始DBSCAN算法检测精度提高了19.74%;而且在时间消耗上也比原始DBSCAN算法降低了16.22%。 展开更多
关键词 分区基于密度的(dbscan) 算法 行人检测 激光雷达
在线阅读 下载PDF
基于改进kShape聚类的谐波污染分区方法
7
作者 张敏 樊瑞 +3 位作者 祗会强 张世锋 李慧蓬 赵军 《辽宁工程技术大学学报(自然科学版)》 CAS 北大核心 2024年第3期342-350,共9页
针对大量电力电子负荷接入后,谐波源数量大幅增加,全网谐波源位置追溯困难的问题,利用电能质量监测数据,提出一种基于双层聚类的谐波分区溯源方案。首先,使用基于波形相似性的kShape时间序列聚类算法,通过计算谐波电压序列的形态距离来... 针对大量电力电子负荷接入后,谐波源数量大幅增加,全网谐波源位置追溯困难的问题,利用电能质量监测数据,提出一种基于双层聚类的谐波分区溯源方案。首先,使用基于波形相似性的kShape时间序列聚类算法,通过计算谐波电压序列的形态距离来度量数据波动相似性,挖掘谐波污染关联信息;然后,引入自适应密度峰值聚类改进kShape算法,解决初始聚类中心随机选取导致的局部最小化问题,实现最佳聚类数目的自适应选择。该方法能够有效实现多谐波源的区域化定位,缩小主导谐波源的嫌疑范围,适用于大规模谐波源接入场景的溯源分析。基于IEEE123节点网络和监测平台的实测数据,验证了方法的有效性和实用性。 展开更多
关键词 谐波溯源 谐波污染分区 kShape 时间序列相似性 自适应密度峰值
在线阅读 下载PDF
基于区域划分的DBSCAN多密度聚类算法 被引量:31
8
作者 韩利钊 钱雪忠 +1 位作者 罗靖 宋威 《计算机应用研究》 CSCD 北大核心 2018年第6期1668-1671,1685,共5页
DBSCAN聚类算法使用固定的Eps和min Pts,处理多密度的数据效果不理想,并且算法的时间复杂度为O(N2)。针对以上问题,提出一种基于区域划分的DBSCAN多密度聚类算法。算法利用网格相对密度差把数据空间划分成密度不同的区域,每个区域的Eps... DBSCAN聚类算法使用固定的Eps和min Pts,处理多密度的数据效果不理想,并且算法的时间复杂度为O(N2)。针对以上问题,提出一种基于区域划分的DBSCAN多密度聚类算法。算法利用网格相对密度差把数据空间划分成密度不同的区域,每个区域的Eps根据该区域的密度计算自动获得,并利用DBSCAN算法进行聚类,提升了DBSCAN的精度;避免了DBSCAN在查找密度相连时需要遍历所有数据的不足,从而改善了算法效率。实验表明算法能有效地对多密度数据进行聚类,对各种数据的适应力较强,效率较优。 展开更多
关键词 区域划分 密度 相对密度 dbscan
在线阅读 下载PDF
基于DBSCAN聚类算法的研究与实现 被引量:78
9
作者 荣秋生 颜君彪 郭国强 《计算机应用》 CSCD 北大核心 2004年第4期45-46,61,共3页
高密度聚类作为数据挖掘中聚类算法的一种分析方法,它能找到样本比较密集的部分,并且概括出样本相对比较集中的类。文中分析了传统的聚类算法及局限性,讨论了一个基于高密度聚类算法的实现过程,使得算法可自动发现高维子空间,处理高维... 高密度聚类作为数据挖掘中聚类算法的一种分析方法,它能找到样本比较密集的部分,并且概括出样本相对比较集中的类。文中分析了传统的聚类算法及局限性,讨论了一个基于高密度聚类算法的实现过程,使得算法可自动发现高维子空间,处理高维数据表格,得到较快的聚类速度和最佳的聚类效果。 展开更多
关键词 数据挖掘 密度 网格 dbscan
在线阅读 下载PDF
一种改进的自适应快速AF-DBSCAN聚类算法 被引量:33
10
作者 周治平 王杰锋 +1 位作者 朱书伟 孙子文 《智能系统学报》 CSCD 北大核心 2016年第1期93-98,共6页
基于密度的DBSCAN聚类算法可以识别任意形状簇,但存在全局参数Eps与Min Pts的选择需人工干预,采用的区域查询方式过程复杂且易丢失对象等问题,提出了一种改进的参数自适应以及区域快速查询的密度聚类算法。根据KNN分布与数学统计分析自... 基于密度的DBSCAN聚类算法可以识别任意形状簇,但存在全局参数Eps与Min Pts的选择需人工干预,采用的区域查询方式过程复杂且易丢失对象等问题,提出了一种改进的参数自适应以及区域快速查询的密度聚类算法。根据KNN分布与数学统计分析自适应计算出最优全局参数Eps与Min Pts,避免聚类过程中的人工干预,实现了聚类过程的全自动化。通过改进种子代表对象选取方式进行区域查询,无需漏检操作,有效提高了聚类的效率。对4种典型数据集的密度聚类实验结果表明,本文算法使得聚类精度提高了8.825%,聚类的平均时间减少了0.92 s。 展开更多
关键词 密度 dbscan 区域查询 全局参数 KNN分布 数学统计分析
在线阅读 下载PDF
一种基于边缘度密度距的聚类算法 被引量:6
11
作者 吴明晖 张红喜 +1 位作者 金苍宏 蔡文明 《计算机科学》 CSCD 北大核心 2014年第8期245-249,共5页
传统网格聚类算法聚类质量低,而密度聚类算法时间复杂度高。针对两类算法各自的缺点,结合它们的聚类思想提出了一种新的聚类算法。该算法提出了边缘度密度距作为新的密度度量,并在此基础上逐步确定了类的定义和聚类过程的定义。算法前... 传统网格聚类算法聚类质量低,而密度聚类算法时间复杂度高。针对两类算法各自的缺点,结合它们的聚类思想提出了一种新的聚类算法。该算法提出了边缘度密度距作为新的密度度量,并在此基础上逐步确定了类的定义和聚类过程的定义。算法前期通过网格划分操作统计记录了待聚类数据的初始信息,以供随后的k近邻统计使用。在寻找聚类中心点时使用了桶排序的策略,使得算法能快速地选出下一个聚类中心点。随后的聚类步骤是迭代搜索并检验当前类中未检验的k近邻是否满足密度可达性来完成聚类。理论分析和实验测试的结果表明,该算法不仅保持了较高的聚类精度,而且有接近线性的低时间复杂度。 展开更多
关键词 网格 密度 Caed dbscan Kmeans
在线阅读 下载PDF
基于密度峰值的快速聚类算法优化 被引量:8
12
作者 戴娇 张明新 +2 位作者 郑金龙 蒋礼青 尚赵伟 《计算机工程与设计》 北大核心 2016年第11期2979-2984,共6页
CFSFDP指定全局密度阈值dc时未考虑数据空间分布特性,导致聚类质量下降,且无法对多密度峰值的数据集准确聚类。针对以上缺点,提出一种基于投影分区及类合并技术优化CFSFDP(简称PM-CFSFDP)的聚类算法。利用投影分析方法将数据集进行分区... CFSFDP指定全局密度阈值dc时未考虑数据空间分布特性,导致聚类质量下降,且无法对多密度峰值的数据集准确聚类。针对以上缺点,提出一种基于投影分区及类合并技术优化CFSFDP(简称PM-CFSFDP)的聚类算法。利用投影分析方法将数据集进行分区,对各分区进行局部聚类,避免使用全局dc;引入内聚程度衡量参数指导子类合并,实现对数据密度与类间距分布不均匀及多密度峰值的数据集的准确聚类。基于4个典型数据集的仿真结果表明,PM-CFSFDP算法比CFSFDP和AGD-DBSCAN具有更加精确的聚类效果。 展开更多
关键词 密度阈值 密度峰值 投影分区 合并
在线阅读 下载PDF
一种基于簇中心点自动选择策略的密度峰值聚类算法 被引量:47
13
作者 马春来 单洪 马涛 《计算机科学》 CSCD 北大核心 2016年第7期255-258,280,共5页
针对基于密度峰值的聚类算法(CFSFDP)无法自行选择簇中心点的问题,提出了CFSFDP改进算法。该算法采用簇中心点自动选择策略,根据簇中心权值的变化趋势搜索"拐点",并以"拐点"之前的一组点作为各簇中心,这一策略有效... 针对基于密度峰值的聚类算法(CFSFDP)无法自行选择簇中心点的问题,提出了CFSFDP改进算法。该算法采用簇中心点自动选择策略,根据簇中心权值的变化趋势搜索"拐点",并以"拐点"之前的一组点作为各簇中心,这一策略有效避免了通过决策图判决簇中心的方法所带来的误差。仿真实验采用5类数据集,并与DBSCAN及CFSFDP算法进行了对比,结果表明,CFSFDP改进算法具有较高的准确度及较强的鲁棒性,适用于较低维度的数据的聚类分析。 展开更多
关键词 dbscan 密度峰值 簇中心点
在线阅读 下载PDF
基于空间密度的群以噪声发现聚类算法研究 被引量:20
14
作者 毕方明 王为奎 陈龙 《南京大学学报(自然科学版)》 CSCD 北大核心 2012年第4期491-498,共8页
针对基于密度的群以噪声发现聚类算法(density-based spatial clustering of applications withnoise,DBSCAN)的所需内存及I/O消耗大;空间聚类的密度不均匀时,采用全局统一的变量,聚类质量较差;对于输入参数敏感性较高等三个不足进行了... 针对基于密度的群以噪声发现聚类算法(density-based spatial clustering of applications withnoise,DBSCAN)的所需内存及I/O消耗大;空间聚类的密度不均匀时,采用全局统一的变量,聚类质量较差;对于输入参数敏感性较高等三个不足进行了改进.首先根据数据的空间分布特性,将整个数据空间划分为多个较小的分区,使分区的局部密度相对更均匀;然后将每个局部分区运用改进的DBSCAN算法进行聚类,改进的算法可以根据空间数据的分布,对一个中心点自适应的选取近邻,并对这些近邻点进行取样、扩展,有效提高了算法的准确性和效率;接着将所得到的聚类结果按照合并规则进行合并.最后通过仿真实验,验证了改进的DBSCAN算法解决了内存消耗过大、聚类质量差及全局参数敏感的问题. 展开更多
关键词 数据挖掘 空间 基于密度的群以噪声发现 数据分区 参数自适应
在线阅读 下载PDF
一种基于密度最大值的聚类算法 被引量:13
15
作者 王晶 夏鲁宁 荆继武 《中国科学院研究生院学报》 CAS CSCD 北大核心 2009年第4期539-548,共10页
提出了一种结合了基于密度聚类思想的划分聚类方法——"密度最大值聚类算法(MDCA)",以最大密度对象作为起始点,通过考察最大密度对象所处空间区域的密度分布情况来划分基本簇,并合并基本簇获得最终的簇划分.实验表明,MDCA能... 提出了一种结合了基于密度聚类思想的划分聚类方法——"密度最大值聚类算法(MDCA)",以最大密度对象作为起始点,通过考察最大密度对象所处空间区域的密度分布情况来划分基本簇,并合并基本簇获得最终的簇划分.实验表明,MDCA能够自动确定簇数量,并有效发现任意形状的簇,对于未知数据集的处理能力和聚类准确度都优于传统的基于划分聚类算法. 展开更多
关键词 数据挖掘 最大密度对象 K-MEANS dbscan
在线阅读 下载PDF
基于网格的快速搜寻密度峰值的聚类算法优化研究 被引量:8
16
作者 孙昊 张明新 +1 位作者 戴娇 尚赵伟 《计算机工程与科学》 CSCD 北大核心 2017年第5期964-970,共7页
CFSFDP是基于密度的新型聚类算法,可聚类非球形数据集,具有聚类速度快、实现简单等优点。然而该算法在指定全局密度阈值dc时未考虑数据空间分布特性,导致聚类质量下降,且无法对多密度峰值的数据集准确聚类。针对以上缺点,提出基于网格... CFSFDP是基于密度的新型聚类算法,可聚类非球形数据集,具有聚类速度快、实现简单等优点。然而该算法在指定全局密度阈值dc时未考虑数据空间分布特性,导致聚类质量下降,且无法对多密度峰值的数据集准确聚类。针对以上缺点,提出基于网格分区的CFSFDP(简称GbCFSFDP)聚类算法。该算法利用网格分区方法将数据集进行分区,并对各分区进行局部聚类,避免使用全局dc,然后进行子类合并,实现对数据密度与类间距分布不均匀及多密度峰值的数据集准确聚类。两个典型数据集的仿真实验表明,GbCFSFDP算法比CFSFDP算法具有更加精确的聚类效果。 展开更多
关键词 密度阈值 网格分区 合并
在线阅读 下载PDF
一个基于DBSCAN聚类算法的实现 被引量:7
17
作者 谭勇 荣秋生 《计算机工程》 CAS CSCD 北大核心 2004年第13期119-121,共3页
高密度聚类作为数据挖掘中聚类算法的一种分析方法,它能找到样本比较密集的部分,并且概括出样本相对比较集中的类。分析了传统的聚类算法及局限性,讨论了一个基于高密度聚类算法的实现过程,使得算法可自动发现高维子空间,处理高维数据表... 高密度聚类作为数据挖掘中聚类算法的一种分析方法,它能找到样本比较密集的部分,并且概括出样本相对比较集中的类。分析了传统的聚类算法及局限性,讨论了一个基于高密度聚类算法的实现过程,使得算法可自动发现高维子空间,处理高维数据表格,得到较快的聚类速度和最佳的聚类效果。 展开更多
关键词 数据挖掘 密度 dbscan
在线阅读 下载PDF
一种基于密度的分布式聚类算法 被引量:11
18
作者 郑苗苗 吉根林 《南京大学学报(自然科学版)》 CAS CSCD 北大核心 2008年第5期536-543,共8页
对基于密度的分布式聚类算法DBDC(density based distributed clustering)进行改进,提出了一种基于密度的分布式聚类算法DBDC*.该算法在局部筛选代表点时结合贝叶斯信息准则BIC,得到少量精准反映局部站点数据分布的BIC核心点,有效降低... 对基于密度的分布式聚类算法DBDC(density based distributed clustering)进行改进,提出了一种基于密度的分布式聚类算法DBDC*.该算法在局部筛选代表点时结合贝叶斯信息准则BIC,得到少量精准反映局部站点数据分布的BIC核心点,有效降低了分布式聚类过程中的数据通信量,全局聚类时综合考虑了各站点数据的分布情况.实验结果表明,算法DBDC*的效率优于DBDC,聚类效果好. 展开更多
关键词 分布式 基于密度的聚算法(dbscan) 分布式算法(DBDC)
在线阅读 下载PDF
基于密度核心的出租车载客轨迹聚类算法 被引量:7
19
作者 田智慧 马占宇 魏海涛 《计算机工程》 CAS CSCD 北大核心 2021年第2期133-138,共6页
目前常见的轨迹聚类大多基于OPTICS、DBSCAN和K-means等算法,但这些聚类方法的时间复杂度随着轨迹数量的增加会大幅上升。针对该问题,提出一种基于密度核心的轨迹聚类算法。通过引入密度核心的概念,设计轨迹密度计算函数以获取聚类簇的... 目前常见的轨迹聚类大多基于OPTICS、DBSCAN和K-means等算法,但这些聚类方法的时间复杂度随着轨迹数量的增加会大幅上升。针对该问题,提出一种基于密度核心的轨迹聚类算法。通过引入密度核心的概念,设计轨迹密度计算函数以获取聚类簇的致密核心轨迹,同时利用出租车载客轨迹自身的方向和速度等属性提取轨迹特征点,减少轨迹数据量。在此基础上,根据聚类簇中致密核心轨迹与参与聚类轨迹的相似度距离判断轨迹的匹配程度,进而聚合相似轨迹,并将聚类结果储存在聚类节点中。实验结果表明,与TRACLUS和OPTICS聚类算法相比,该算法能够得到更准确的聚类效果,并且时间效率更高。 展开更多
关键词 dbscan算法 特征点 密度核心 相似度距离 轨迹
在线阅读 下载PDF
改进的自适应参数DBSCAN聚类算法 被引量:42
20
作者 王光 林国宇 《计算机工程与应用》 CSCD 北大核心 2020年第14期45-51,共7页
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... 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%。 展开更多
关键词 密度 dbscan算法 自适应 密度估计 参数寻优
在线阅读 下载PDF
上一页 1 2 4 下一页 到第
使用帮助 返回顶部