wgSDBSCAN一种基于DBSCAN发现高密度簇的算法.pdfVIP

高技术通讯2012年第22卷第6期：589～595 doi：10．3772／j．issn．1002-0470．2012．06．006 孙鹏②一+ 韩承德” 曾 涛”+ (+中国科学院研究生院北京100049) (”中国科学院计算技术研究所 北京100190) (…天津师范大学计算机与信息工程学院 天津300387) 摘要针对基于密度的带有噪声的空间聚类(DBSCAN)算法用于交互式数据挖掘时用 户经常调整算法参数以发现感兴趣的知识以及数据集相对稳定的特点，提出了一种基于 DBSCAN发现高密度簇的算法——s．DBSCAN算法，确定了需调整的算法参数——对象 的邻域范围8(Eps)和满足核心对象条件的￡邻域内最小对象个数MinPts，阐述了参数8 与MinPts的3种适合S-DBSCAN算法的变化情况，并给出了相应的证明，同时分析了算 法的时间复杂度。在对真实和合成数据集的测试中，S-DBSCAN算法相比DBSCAN算法 具有较好的效率。 关键词 基于密度的带有噪声的空间聚类(DBSCAN)，S-DBSCAN，高密度簇，聚类，参 数可变 在交互式聚类挖掘中，用户往往对同一数据集进行 0 引言 多次的聚类挖掘分析，以获取不同的有意义的或者 感兴趣的知识。同时还要进行对算法的调整，主要 在空间数据挖掘中，聚类是指把大量的d维数 是对算法参数的调整。对于DBSCAN算法，调整的 据对象(n个)聚集成k个聚类(kn)，使同一聚类 参数主要有距离函数中的维度、对象的邻域范围8 内对象的相似性尽可能最大，而不同聚类内对象的 (记为跏)和满足核心对象(coreobject)条件的￡ 相似性尽量达到最小。也就是说，形成聚类之后，同 邻域内最小对象个数MinPu。文献[6]讨论了距离 一个聚类内对象具有很高的相似性，而且与不属于 函数中的维度变化的情况，本文讨论了(￡，MinPts) 该聚类的对象有迥然的差异(即不相似)u’2|。在实参数的调整。当发现高密度簇完全被相连的低密度 际应用中，聚类挖掘得到了大量的应用，如对兴趣点 簇所包含时，用户有时需要调整参数发现高密度簇。 ofinterest，POI)数据集进行聚类用于生成新 (point 另外，数据挖掘中所处理的数据集往往是周期更新 的地理区域，并对这些区域进行商业区、商务区、工 的j，这种周期是一天甚至更长。进而，本文针对 业区等分类【3J。Zhou等人对个人使用移动设备采 集的数据使用聚类分析生成有意义的地点，如家、办 高密度簇的算法——S．DBSCAN算法，并做了相应 公室或常去的俱乐部等HJ。 的分析。 基于密度的带有噪声的空间聚类(density．based of with noise，DBSCAN) spatialclusteringapplications 1 相关工作 算法是聚类挖掘中的经典算法之一，此算法通过检 查数据集D中每个点的8邻域来判断它是否是核 tal 心点，进而决定如何扩展簇。DBSCAN算法能够识 别各种复杂形状，有效排除噪声干扰，并且聚类结