自适应灰色 DBSCAN 聚类
机器学习
2019-12-30 v1 计算机视觉与模式识别
分布式、并行与集群计算
机器学习
摘要
聚类分析作为数据挖掘中的经典问题,被广泛应用于各个研究领域。本文旨在提出一种自适应灰色 DBSCAN 聚类(SAG-DBSCAN)算法。首先,利用灰色关联矩阵获得灰色局部密度指标,然后将该指标用于自适应噪声识别以获得聚类数据集的稠密子集,最后利用自动选择参数的 DBSCAN 对稠密子集进行聚类。使用多个常用数据集来展示所提聚类算法的性能和有效性,并与其他最先进算法的结果进行比较。综合比较表明,我们的方法相较于其他对比方法具有优势。
引用
@article{arxiv.1912.11477,
title = {Self-adaption grey DBSCAN clustering},
author = {Shizhan Lu},
journal= {arXiv preprint arXiv:1912.11477},
year = {2019}
}
备注
8 pages, 4 figures, 4 tables. arXiv admin note: text overlap with arXiv:1906.11416