ScholarMate
English简体中文繁體中文
客服热线:400-1616-289
登录注册
期刊论文

利用一维投影分析的无参数多密度聚类算法

钱美旋; 叶东毅福州大学
小型微型计算机系统2013-8-15
8阅读
引用收藏
分享

摘要

针对DBSCAN(Density Based Spatial Clustering of Applications with Noise)算法对参数敏感且无法适用于多密度数据集聚类的缺点,提出一种改进的基于一维投影分析的无参数多密度聚类算法PFMDBSCAN(Parameter Free Multi-Density Clus-tering Using One-dimensional Projection Analysis).算法首先对数据集进行一维投影,并对投影后的数据进行高斯核密度估计,据此采用极值策略得到多个局部密度估计值,将每个局部密度估计值转换为参数后依次调用DBSCAN进行聚类,最终得到完整的聚类结果.该算法达到了聚类无参数化且能适用于多密度的目标.实验表明,本文提出的无参数算法对单密度和多密度数据集都有较好的聚类效果,能适用于任意形状、任意密度的数据集,且具有较强的抗噪性.与近期文献中提出的无参数多密度聚类算法APSCAN相比,不仅聚类效果更好,且计算复杂性更低.

学科与关键词

关键词
投影分析高斯核密度估计无参数多密度聚类DBSCAN projection analysisGaussian kernel density estimationmulti-density clusteringDBSCAN
相关
加载中…
  • 一种基于高斯分布的自适应DBSCAN算法
    陈刚; 刘秉权; 吴岩微电子学与计算机, 2013, (03): 27.
  • 基于密度聚类分析的入侵检测方法研究
    李虎; 胡建龙; 朱勇; 马春波计算机与数字工程, 2013, (02): 254.
  • GrDBSCAN: A Granular Density-Based Clustering Algorithm
    Suchy, Dawid; Siminski, Krzysztof*International Journal of Applied Mathematics and Computer Science, 2023, 33(2): 297-312.
查看全部 →

发表信息

论文状态
公开发表
期刊
小型微型计算机系统
发表日期
2013-08-15
卷期
第 08 期
页码
1866-1871
成果收录
CHINAJOURNAL
资助标注
福建省自然科学基金项目(2010J01329)资助;福建省高校产学研重大专项(2010H6012)资助

作者

  • 钱

    钱美旋 (第一作者)

  • 叶

    叶东毅

登录解锁更多功能

  • 收藏这篇,随时在“我的 · 收藏”找回
  • 认领你的成果,生成推广素材
  • 关注作者获取最新成果
  • 加入项目组、协同写作
注册 / 登录

产品服务

  • 科研之友
  • 创新城
  • 科创云

服务支持

  • 帮助中心
  • 隐私政策
  • 服务条款

联系方式

在线客服:【】
客服热线:400-1616-289
电子邮箱:support@scholarmate.com

关注或下载科研之友

微信二维码
微信公众号
客户端下载二维码
下载客户端
科研成果科研人员科研机构科研动态爱瑞思软件

©2026 深圳市科研之友网络服务有限公司

公安备案图标粤公网安备 44030502000213
粤ICP备 16046710 号粤B2-20110417