dbscan算法中参数的自适应确定 research on adaptive parameters determination in dbscan algorithm.pdfVIP

70 2016 ，52（3 ） Cοmputer Engineering and Applicatiοns 计算机工程与应用 DBSCAN 算法中参数的自适应确定 李宗林，罗 可 LI Zonglin, LUO Ke 长沙理工大学 计算机与通信工程学院，长沙 410114 Institute of Computer and Communication Engineering, Changsha University of Sciences and Technology, Changsha 410114, China LI Zonglin, LUO Ke. Research on adaptive parameters determination in DBSCAN algorithm. Computer Engineering and Applications, 2016, 52 （3 ）：70-73. Abstract ：DBSCAN algorithm needs Eps and minPts two parameters, leading to the accuracy of clustering results directly depends on the user ’s choice of parameters, thus this paper puts forward a new method of parameter determination. It adopts nonparametric kernel density estimation theory to analyse the distribution features of the data samples to automatically determine the Eps and minPts parameters, avoiding the manual intervention of clustering process, and achieving automa- tion of clustering process. Theoretical analysis and experimental results show that this method is able to choose reasonable parameters of Eps and minPts and clustering results with higher accuracy are obtained. Key words ：Density Based Spatial Clustering of Applications with Noise （DBSCAN ）; kernel density estimation; self- adaptive; clustering 摘 要：DBSCAN 算法需要人为确定Ep s 和min P ts 两个参数，导致聚类结果的准确度直接取决于用户对参数的选 择，因此提出一种新的参数确定方法，采用非参数核密度估计理论分析数据样本的分布特征来自动确定Ep s 和 min P ts 参数，避免了聚类过程的人工干预，实现聚类过程的自动化。理论分析和实验结果表明，该方法能够选择合 理的Ep s 和min P ts 参数，并得到了较高准确度的聚类结果。 关键词：一种经典的基于密度的聚类算法（DBSCAN ）；核密度估计；自适应；聚类 文献标志码：A 中图分类号：TP301 doi ：10.3778/j.issn. 1002-8331.1402-0278 2 2 1 引言 并排序，取Ep s 为排序后第δ /(4c)Cn 个点对应的值，这 DBSCAN 算法是一种经典的基于密度的聚类算 c 里仍需设定簇个数 的值。文献[4]通过增加簇连接信 [1] 法 ，它以单位超球状区域内所包含数据对象的数量来