基于信息熵的蚁群聚类DBSCAN改进算法.pdfVIP

基于信息熵的蚁群聚类DBSCAN 改进算法 1 2 1 张拥华 ，曾凡仔，吴代文 （1. 湖南工业职业技术学院，长沙，410208 ；2.湖南大学计算机与通信学院，长沙，410082 ） 1 2 1 ZHANG YONG-HUA , ZENG FAN-ZI , WU DAI-WEN （1. HUNAN INDUSTRY POLYTECHNIC, CHANGSHA, 410208; 2.SCHOOL OF COMPUTER AND COMMUNICATION, HUNAN UNIVERSITY, CHANG SHA 410082, CHINA） 作者简介： 张拥华（1977-），女，硕士，主要研究领域：机器学习、数据挖掘与决策支持；曾凡仔（1971-）， 男，博士，副教授，主要研究领域：无线通信，机器学习 吴代文（1980-），男，硕士，主要研究领域：数据挖掘 基金项目：项目编号（GYKYZ2011003 ） 摘要 聚类分析是数据挖掘的一个重要研究领域。它在商业、生物、医学、地质、web文档等 方面都有重要的应用，是当前的研究热点问题之一。本文在信息熵理论和蚁群算法的基础上， 设计了一种新的融合算法——基于信息熵的蚁群聚类，应用到代表性子集选择中，可显著降 低I/O耗费和内存需求，实验证明这一算法能有效地处理含有分类属性的高维大规模数据集 的聚类问题。 关键词：信息熵；聚类；DBSCAN AN IMPROVED DENSITY-DASED CLUSTERING ALGORITHM BASED ON INFORMATION ENTROPY AND ANT COLONY OPTIMIZATION ABSTRACT Cluster analysis is one of the most important research domains of data mining. It has important appliances in many domains such as in business, biology, medicine, geography, web archive, and it is one of the hot research problems. This paper proposes a new algorithm —— a clustering algorithm combining information entropy with ant colony optimization to reduce the cost of I/O and memory usage via integrates the representative subset selection with DBSCAN algorithm. The experiment shows that this algorithm is effective to resolve the cluster problem of large-scale data sets containing categories property. Key words: Information entropy; Clustering; DBSCAN 1 引言 DBSCAN （Density-Based Spatial Clustering of Applications with Noise ）是一个基于密度 的聚类算法。该算法将具有足够高密度的区域划分为簇，并可以在带有“噪声” 的空间数据库 中发现任意形状的聚类。DBSCAN 算法作为一种有代表性的基于密度的聚类算法，从提出 至今，已经成功应用于城市规划、城市建设、选址等多个研究领域，并在发展过程中产生了 几种有效的改进算法[1][2][3][4][5]。为了解决