摘要
提出了一种新的DBSCAN改进算法 ,通过记录簇连接信息 ,能够有效地屏蔽输入参数敏感性 ,提高聚类结果的质量 ,同时保持了DBSCAN算法的高执行效率。
An improved DBSCAN algorithm is presented, which is insensitive to input parameter by discovering connected clusters. The new algorithm produces better clustering results, while maintaining the high performance of the origin algorithm at the same time. The results of experiments demonstrate that the new algorithm outperforms OPTICS.
出处
《北京大学学报（自然科学版）》
CAS
CSCD
北大核心
2004年第3期480-486,共7页
Acta Scientiarum Naturalium Universitatis Pekinensis
基金
北京市自然科学重点基金 (40 110 0 2 )
"十五"863计划 (2 0 0 2AA13 52 3 0 )资助项目
关键词
聚类
DBSCAN
参数敏感
数据挖掘
clustering
DBSCAN
sensitive to input parameter
data mining
