基于數(shù)據(jù)場的聚類方法研究.pdf

1、隨著信息化時代的來臨，大量數(shù)據(jù)的產(chǎn)生和收集導(dǎo)致信息大爆炸，數(shù)據(jù)挖掘技術(shù)已成為現(xiàn)在計算機科學的研究熱點。聚類分析是數(shù)據(jù)挖掘中一種重要的挖掘任務(wù)和挖掘方法，使得聚類算法的效率和聚類質(zhì)量在數(shù)據(jù)挖掘中起著至關(guān)重要的作用，也成了計算機科學領(lǐng)域的難題之一。 基于密度的聚類算法是聚類分析的重要分支，以其能夠發(fā)現(xiàn)任意形狀的聚類、能夠有效地處理噪聲數(shù)據(jù)的優(yōu)點在聚類算法中占有很重要的地位。DBSCAN算法是經(jīng)典的基于密度聚類算法，它不但具有基于密度

2、聚類算法的優(yōu)點，而且聚類速度較快。但是該算法也有不足之處：聚類參數(shù)選擇困難；當數(shù)據(jù)集密度分布不均勻時聚類質(zhì)量差；初始聚類對象隨機選擇造成時間浪費；對所有種子對象進行區(qū)域查詢造成時間和內(nèi)存浪費。 為解決DBSCAN算法中存在的問題，作者考慮到數(shù)據(jù)空間中的數(shù)據(jù)并不是獨立的而是有一定的相互影響，結(jié)合數(shù)據(jù)場的思想對DBSCAN算法進行了改進，提出了一種新的基于數(shù)據(jù)場的密度聚類算法——DFDBSCAN。該算法將物質(zhì)粒子間的相互作用及其場的

3、描述方法引入抽象的數(shù)據(jù)空間，利用數(shù)據(jù)空間中數(shù)據(jù)場場勢與數(shù)據(jù)密度分布之間的關(guān)系，對DBSCAN算法幾個不足之處進行了改進。 該算法采用了動態(tài)計算聚類半徑的策略，使得算法在密度分布不均勻的情況下聚類質(zhì)量良好。同時算法還利用了場勢和數(shù)據(jù)空間中數(shù)據(jù)分布密度的之間的關(guān)系對初始聚類對象的選擇和種子對象的選擇問題上進行了改進。使得算法在時間復(fù)雜度與DBSCAN算法相當?shù)那闆r下提高了聚類質(zhì)量，并且在一定程度上提高了算法的執(zhí)行效率，既節(jié)約了時間資