ADBSCAN：用于识别密度变化聚类的自适应基于密度的带噪声空间聚类算法
机器学习
2019-02-06 v3 计算机视觉与模式识别
机器学习
摘要
基于密度的带噪声空间聚类（DBSCAN）是一种数据聚类算法，对于聚类内数据点密度恒定的数据集具有较高性能。该算法的一个重要特性是噪声消除。然而，对于具有不同密度的聚类，DBSCAN 性能下降。因此，本文提出一种自适应 DBSCAN，其能很好地识别密度变化的聚类。
引用
@article{arxiv.1809.06189,
title = {ADBSCAN: Adaptive Density-Based Spatial Clustering of Applications with Noise for Identifying Clusters with Varying Densities},
author = {Mohammad Mahmudur Rahman Khan and Md. Abu Bakr Siddique and Rezoana Bente Arif and Mahjabin Rahman Oishe},
journal= {arXiv preprint arXiv:1809.06189},
year = {2019}
}
备注
To be published in the 4th IEEE International Conference on Electrical Engineering and Information & Communication Technology (iCEEiCT 2018)