SA2DBSCAN一种自适应基于密度聚类算法3-电子科学技术.PDFVIP

第 26 卷第 4 期 中 国科 学 院 研 究 生 院 学 报 Vol . 26 No . 4 2009 年 7 月 Journal of the Graduate School of the Chinese Academy of Sciences July 　2009 ( ) 文章编号 2009 SAD BSCAN :一种自适应基于密度聚类算法 夏鲁宁 　荆继武 ( 中国科学院研究生院 , 信息安全国家重点实验室 ,北京 100049) (2008 年 6 月 26 日收稿 ; 2008 年 12 月 25 日收修改稿) Xia L N,Jing JW. SAD BSCAN :A selfadaptive densitybased clustering algorithm[ J] . Journal of the Graduate School of the Chinese Academy of Sciences ,2009 ,26( 4) :530～538. 摘 　要 　DBSCAN 是一种经典的基于密度聚类算法 ,能够 自动确定簇的数量 ,对任意形状的簇 都能有效处理. DBSCAN 算法需要人为确定 Ep s 和 minPts 2 个参数 ,导致聚类过程需人工干预 才能进行. 在 DBSCAN 的基础上提出了 SADBSCAN 聚类算法 ,通过分析数据集统计特性来 自 动确定 Ep s 和 minPts 参数 ,从而避免了聚类过程的人工干预 ,实现聚类过程的全 自动化. 实验 表明 ,SADBSCAN 能够选择合理的 Ep s 和 minPts 参数并得到较高准确度的聚类结果. 关键词 　数据挖掘 ,聚类 ,DBSCAN ,SADBSCAN 中图分类号 　TP181 1 　概述 数据挖掘作为一种从大量数据中发现感兴趣信息的技术 , 已经得到日益广泛的应用. 聚类是一种重 要的数据挖掘技术 ,其任务是将数据集分成若干个簇 , 同一个簇中的数据具有较高的相似性 ,而不同簇 中的数据之间的相似性较低. 目前已经存在 的聚类算法大致可 以分为 4 种类型 : ( 1) 基于划分 的聚类算法 , 如 kmeans[ 1] 、 kmedoids[2 ] 等. 这种算法需要设定簇的数量 ,根据对象间的相似性将每个对象划归最近的簇. 这种算法 能够发现超球状的簇. (2) 层次聚类算法. 层次聚类可以从 2 个方向产生 ,第一是凝聚 ,首先将所有对象 标记为簇 ,然后逐次合并距离最小的簇 ;第二是分裂 ,先将整个数据集视为一个簇 ,然后逐次分裂样本较 多的簇. 层次聚类需要人为设定终止条件 ,即凝聚或分裂到何种程度为止. 根据簇相似性的不同定义 ,层 ( ) ( ) ( ) [3 ] 次聚类算法有单链 singlelink 、全链 completelink 、组平均 group average 、Ward 方法 、BIRCH 和 CURE ( ) ( ) [3 ] 等. 3 基于统计模型的算法 ,如期望最大化 EM 算法. 这类算法基于数理统计理论 ,假定数据集是由 一个统计过程产生的 ,并通过找出最佳拟合模型来描述数据集. (4) 基于密度的算法 ,其中心思想是寻找 数据集中被低密度区域隔开的高密度区域 ,并将每个独立的高密度区域作为一个簇. 根据对密度的不同 定义 ,典型算法有 DBSCAN[4 ] 、OPTICS[5 ] 、DENCLULDE[6 ] 等. 基于密度的聚类方法以数据集在空间分布上的稠密程度为依据进行聚类 ,无需预