基于真实核心点的密度聚类方法

CORC > 沈阳自动化研究所 > 中国科学院沈阳自动化研究所 > 数字工厂研究室

	基于真实核心点的密度聚类方法
	刘昶 ; 张涛 ; 李帅 ; 周晓锋
刊名	计算机应用研究
	2018
卷号	35 期号:12 页码:1-7
关键词	密度聚类模糊边界点核心点合并
ISSN号	1001-3695
其他题名	Density clustering algorithm based on real core point
通讯作者	张涛
产权排序	1
中文摘要	针对目前聚类算法不能有效的处理模糊边界点的问题，提出了一种基于真实核心点的RDBSCAN聚类算法。提出真实核心点的概念，首先在密度聚类过程中的核心点进一步处理分类，把影响聚类效果的伪核心点剔除，将剩下的真实核心点根据密度可达原则进行聚类；然后提出密度合并判定定理：相同类簇内点的真实密度远大于不同类簇的点，以此为指导判断真实核心点的真实密度，使类簇内各点的相似性更大。通过人工数据集与UCI数据集聚类实验看出，RDBSCAN算法降低了模糊边界点的干扰，而且出现了若干新颖的类簇分类，在密度不规则的数据集中聚类更加准确。
英文摘要	Aiming at the problem that the current clustering algorithm can’t effectively deal well with the fuzzy boundary point effectively, this paper proposed an RDBSCAN (Real-density-Based Spatial Clustering of Applications with Noise) clustering algorithm based on real core point. Firstly, it continued on the concept of the core point put forward, further on, classified the core points in the density clustering process, pseudo-core points that affect the clustering effect were removed, and clustered the remaining real core points according to the principle of density reachability. It put forward a new density synthesis theorem, the real density of the same cluster is much larger than that of different clusters, and as a guide to judge the true density of the real core, the similarity of the points in the cluster is greater. Experiments show that the RDBSCAN algorithm reduces the interference of fuzzy boundary points, and there appears some novel clusters clustering. In general, RDBSCAN is more accurate in the data set with irregular density.
语种	中文
内容类型	期刊论文
源URL	[http://ir.sia.cn/handle/173321/21380]
专题	沈阳自动化研究所_数字工厂研究室
作者单位	1.中国科学院网络化控制系统重点实验室 2.中国科学院沈阳自动化研究所 3.中国科学院大学
推荐引用方式 GB/T 7714	刘昶,张涛,李帅,等. 基于真实核心点的密度聚类方法[J]. 计算机应用研究,2018,35(12):1-7.
APA	刘昶,张涛,李帅,&周晓锋.(2018).基于真实核心点的密度聚类方法.计算机应用研究,35(12),1-7.
MLA	刘昶,et al."基于真实核心点的密度聚类方法".计算机应用研究 35.12(2018):1-7.