基于网格的高效DBSCAN算法.PDF

维普资讯 ComputerEngineeringandApplications计算机工程与应用 2007，43(17) 167 基于网格的高效DBSCAN算法 张 枫，邱保志 ZHANG Feng，QIU Bao—zhi 郑州大学 信息工程学院，郑州 450052 SchoolofInformation Engineering，Zhengzhou University，Zhengzhou 450052，China E—mail：yeyeqiuyu@tom、corn ZHANG Feng，QXU Bao-zhi．EfficientDBSCAN algorithm basedongrid．ComputerEngineeringandApplications，2007，43 (17)：167-169． Abstract：DBSCAN isan outstandingrepresentative ofclustering algorithmsforitsgood performance in clustering spatialdata、To improveitsefficiencythispaperproposesGbDBSCAN(GridbasedDBSCAN)．GbDBSCAN adoptsgirdanddatabinningtechnique toquerydensityreachableobjectsofrallobjectsindataset．ItCallalsoidentifyandhandleborderpoints．Experimentresultsshow thatGbDBSCAN ismuch moreefficientthan DBSCAN in low dimensionaldata space，withoutloweringthequalityof DBSCAN． Key words：clustering；density；grid 摘 要 ：DBSCAN是一种性能优越的基于密度 的聚类算法。为提高它的运行效率 ，提 出了基于网格 的DBSCAN算法GbDBSCAN。 该算法使用网格划分的方法和数据分箱技术，减少了判定密度可达对象时的搜索范围，降低了算法的运行时间．而且算法还能够 识别并处理边界点。实验结果表明，GbDBSCAN在不降低 DBSCAN聚类质量的前提下，大大提高了DBSCAN算法处理低维数据集 的效率。 关键词 ：聚类 ；密度 ；网格 文章编号：1002—8331(2007)17—0167—03 文献标识码 ：A 中图分类号 ：TP3l1；TP18 l 引言 限制了它在现实中的应用 。 聚类技术是数据挖掘的重要研究方向之一 ．其 目的是把相 本文提 出了基于 网格 的DBSCAN 聚类算法 GbDBSCAN 似的对象聚在一起而相异的对象尽可能地分离。它广泛应用于 (GridbasedDBSCAN)，利用网格划分的方法和数据分箱技 市场分析、决策支持、商业经营和图像处理等诸多领域_l_。 术 ，确定数据点邻域 的搜索范围，大大降低 了DBSCAN的计算 目前 已经提出很多聚类算法 ，这些算法可分为以下几种 ： 时间。同时，GbDBSCAN还可以识别数据集 中的边界点，并对 划分方法 、层次方法 、基于密度的方法 、基于 网格 的方法和基于 其做 出相应 的处理 。算法 的时间复杂度是数据规模 的线性 模型的方法I～1。基于网格 的方法首先将对象空间量化为有限数 函数 目的单元 ，形成网格结构 ．然后在网格结构上进行聚类 这种方 法的主要优点是处理速度快 ，其处理 时间独立于对象数 目．仅 2 DBSCAN算法 依赖于量化空间中每一维上 的单元数 目[31STING和 CLIQUE DBSCAN是一种颇具代表性的基于密度的聚类算法．其核 是基于网格技术具有代表性 的方法 STING(StatisticalInofr． 心思想是：对于构