密度聚類算法的研究與應(yīng)用.pdf

1、隨著信息技術(shù)的飛速發(fā)展以及信息獲取的便利，人們已經(jīng)被大量的信息淹沒。如何從信息的海洋中提取出人們感興趣的知識，完成特定的任務(wù)成為一個(gè)迫切需要解決的問題。基于這樣一種需求，用來幫助用戶從這些海量數(shù)據(jù)中分析出其間所蘊(yùn)涵的有價(jià)值的模式和知識的技術(shù)——數(shù)據(jù)挖掘就應(yīng)運(yùn)而生了。聚類分析是數(shù)據(jù)挖掘中一種很重要的技術(shù)，對它進(jìn)行深入研究不僅有著重要的理論意義，而且有著重要的應(yīng)用價(jià)值。
　　通過在企業(yè)競爭情報(bào)系統(tǒng)中的應(yīng)用，本文對 DBSCAN算法不足

2、的地方進(jìn)行了改進(jìn)，主要有以下兩點(diǎn)：
　　(1)在對種子對象進(jìn)行類的擴(kuò)展的時(shí)候，如果此種子對象不是核心對象，但是其鄰域中對象的數(shù)量接近 MinPts，我們可以將此種子對象鄰域中的對象歸到此類中。通過實(shí)驗(yàn)比較，我們將這個(gè)界限值定位為0.85MinPts。
　　(2)當(dāng)我們在核心對象的鄰域中選擇代表對象的時(shí)候不會引起對象的丟失，但是當(dāng)對種子對象進(jìn)行擴(kuò)展的時(shí)候，就會有丟失。我們選擇距離核心對象較遠(yuǎn)的對象作為種子對象。本文的算法中選擇