摘要：经典的基于密度的聚类方法DBSCAN算法需要指定邻域半径和最小数据点阈值两个基本参数．这两个参数的确定对聚类结果的影响非常大．目前缺少有效的参数选择确定方法，同时DBSCAN算法在聚类过程中，使用统一的邻域半径参数，使得密度不均匀集上的聚类质量不高．本文提出一种自适应选择局部半径的密度聚类算法（SALE—DBSCAN），通过确定密度峰值点，自适应选择聚类的局部邻城半径，简化了参数选择的过程；通过使用自适应选择的局部邻域半径扩张密度峰值点的邻域进行聚类，提高了聚类结果质量．实验结果表明，本SALE-DBSCAN算法相较其他密度聚类算法的聚类结果更加准确．
分类：期刊> 自然科学与工程技术> 信息科技> 电子信息科学综合
收录：北大期刊(中国人文社会科学期刊) > CSCD 中国科学引文数据库来源期刊(含扩展版) > 统计源期刊(中国科技论文优秀期刊) > 知网收录(中) > 维普收录(中) > 万方收录(中) > SA 科学文摘(英) > JST 日本科学技术振兴机构数据库(日) > Pж(AJ) 文摘杂志(俄) > 哥白尼索引(波兰) > 剑桥科学文摘 > 国家图书馆馆藏 > 上海图书馆馆藏 > 文摘与引文数据库
关键词：密度聚类 dbscan 密度峰值 自适应局部半径
注：因版权方要求，不能公开全文，如需全文，请咨询杂志社
