基于单元格的多密度GMDBSCAN聚类算法-计算机软件与理论专业论文.docxVIP

：鸷埘虫警 ：鸷埘虫警 基于单元格的多密度G如BscAN聚类算法 兰州大学硕士学位论文 摘 要 聚类分析作为数据挖掘领域中的一个重要分支，研究数据对象的分类问题，在模式识 别、图像处理、市场研究以及生命科学等众多学科领域具有广泛的应用前景。DBSCAN算 法因为可以发现任意形状的聚类，排除噪声干扰等优点而备受关注。但是该算法只是简单 的使用全局参数，参数的设置缺乏针对性，将会导致对多密度的数据集的聚类效果不理想； 在对大数据集进行聚类时，算法时间复杂度较高，对大数据集适用性较差。本文结合空间 索引技术，提出了一种基于单元格的多密度聚类算法G加BSCAN，并对多个样本数据集 进行了实验，实验结果验证了GMDBSCAN算法的有效性。本文的主要工作如下： 提出了一种基于单元格的多密度聚类算法GMDBSCAN。从聚类质量和复杂度两方面 改进了DBSCAN算法。GMDBSCAN算法引入了基于空间的划分技术划分数据空间，以每 个单元格作为一个局部区域，根据每个单元格的密度确定局部的MinPts参数；根据类间的 相似度合并类；用基于距离的方法处理边界，提高了算法的聚类质量。GMDBSCAN算法 引入了SP．Tree空间索引结构，保存了数据的空间位置信息，为空间区域的邻域查询提供 了极大的方便，同时它只索引非空单元格，不仅节省了存储空间还降低了算法的时间复杂 性。本文还提出用位图存储数据的邻域关系，避免了反复查询和计算。 本文对GMDBSCAN算法的时间复杂度和空间复杂度进行分析。在模拟数据集和真实 数据集上进行了GIVIDBSCAN算法的性能测试，并对实验结果进行了分析。 关键词：数据挖掘；聚类；单元格密度；sP．Tree：局部MinPts；多密度 萄埘虫尊 萄埘虫尊 基于单元格的多密度G彻BScAN聚类算法 兰州大学硕士学位论文 Abstract As important and active branch of data mining，clustering attempt to discover valuable knowledge from huge unknown database．Furthermore，clustedng has been broadly applying in pattern recognition,image processing,market research,life science and on．DBSCAN is of the most popular algorithms in cluster analysis．It discover any clusters with arbitrary shape and separate noise．But this algorithm doesn’t choose parameter according to distributing of dataset．It just uses the global MinPts parameter of dataset simply,SO that the clustering result of varying density database is inaccurate．And when We use it to cluster large databases，we will cost too much time．In order to fix these problems，we propose GMDBSCAN algorithm based spatial index and鲥d technique．The primary research include as follows： A clustering algorithm based the unit鲥d density and spatial partition tree is presented for improving the performance and clustering quality of DBSCAN algorithm．At the part of clustering quality：We estimate the density distributing of dataset according to grid density,and decide the local_density．Then We cluster the local data．set by DBSCAN algorithm。At last,We combine all cl