摘要
DBSCAN是基于密度的聚类算法的一个典型代表 ,它对空间数据库聚类有很好的性能。然而 ,在对大规模数据库聚类时 ,DBSCAN需要大量内存支持并伴随着I/O开销。随着高性能计算机的发展 ,特别是集群式计算机的出现 ,提供了一种解决DBSCAN算法缺陷的方法。测试表明 。
As an outstanding representative of clustering algorithms,DBSCAN algorithm show good performance in spatial data clustering.However,for large spatial databases,original DBSCAN requires large volume of memory support and could incur substantial I/O costs.With the rapid development of high performance computer,especially appearance of the cluster computers give a means to overcome the defect of original DBSCAN algorithm.Experimental results show that the new algorithm is superior to the original DBSCAN in efficiency.
出处
《计算机应用研究》
CSCD
北大核心
2004年第7期17-20,共4页
Application Research of Computers
基金
国家自然科学基金资助项目 (6 0 2 75 0 2 2 )
上海市科委重点基础研究项目 (0 1JC14 0 2 2 )
