一种改进的基于密度的抽样聚类算法

作     者：胡彩平 秦小麟 HU Cai-ping;QIN Xiao-lin

作者机构：南京航空航天大学信息科学与技术学院南京210016 

出 版 物：《中国图象图形学报》 (Journal of Image and Graphics)

年 卷 期：2007年第12卷第11期

页      面：2031-2036页

核心收录：

学科分类：08[工学] 081202[工学-计算机软件与理论] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家自然科学基金项目(60673127) 江苏省自然科学基金项目(BK2001045) 

主　　题：空间数据挖掘 空间聚类 密度 种子 非空间属性 

摘      要：基于密度的聚类算法DBSCAN是一种有效的空间聚类算法,它能够发现任意形状的聚类并且有效地处理噪声。然而,DBSCAN算法也有一些缺点,例如,①在聚类时只考虑空间属性没有考虑非空间属性;②在对大规模空间数据库进行聚类分析时需要较大的内存支持和I/O消耗。为此,在分析DBSCAN算法不足的基础上,提出了一种改进的基于密度的抽样聚类(improved density-based spatial clustering algorithm with sampling,IDBSCAS)算法,使之能够有效地处理大规模空间数据库,并且它不仅考虑了空间属性也考虑了非空间属性。2维空间数据的测试结果表明,该算法是可行、有效的。