自适应DBSCAN算法参数研究:实现聚类优化

需积分: 50 8 下载量 75 浏览量 更新于2024-08-05 收藏 7.01MB PDF 举报
“自适应确定DBSCAN算法参数的算法研究” DBSCAN(Density-Based Spatial Clustering of Applications with Noise)算法是一种广泛应用的无中心、无参数预设的密度聚类方法。它能够识别出数据集中高密度区域,并将其划分到不同的簇中,同时忽略低密度区域,这使得DBSCAN在处理噪声数据和不规则形状簇时表现出色。DBSCAN的核心在于两个关键参数:Eps(epsilon)和MinPts。Eps定义了邻域半径,即一个点的邻域内必须包含至少MinPts个点,这个点才被视为核心点。 然而,DBSCAN的性能对这两个参数极其敏感。选择不合适的Eps和MinPts可能导致聚类结果不佳或完全错误。传统的DBSCAN算法需要用户手动设定这两个参数,但实际数据集的复杂性使得这种手动设定往往困难且不可靠。 为了克服这个问题,学者们已经提出了多种自适应确定DBSCAN参数的方法。例如,Yue等人提出了一种基于数据统计信息来确定Eps的算法,扩大了Eps搜索范围,但固定了MinPts值,可能无法充分适应数据集的分布特性。另一方面,Sunita等人则根据数据的局部密度来动态调整参数,但这些方法通常仅关注单个参数的自适应调整。 本文提出了一种新的自适应确定DBSCAN算法参数的策略,结合参数寻优策略。该算法通过分析数据集自身的分布特性,生成Eps和MinPts的候选值,然后寻找聚类结果中簇数变化稳定的区间。在这一稳定区间内,选取密度阈值最小时对应的Eps和MinPts作为最优参数。这种方法旨在实现聚类过程的全自动化,并确保选取的参数能够得到高精度的聚类结果。 通过实验验证,该算法能有效选择合适的Eps和MinPts,实现了DBSCAN聚类的自动化,提高了聚类的准确性。该研究对于解决DBSCAN算法参数设定问题提供了新的思路,有助于在实际数据分析任务中更好地应用DBSCAN算法。