基于密度的空間聚類算法的研究.pdf_第1頁
已閱讀1頁,還剩55頁未讀, 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡介

1、空間數(shù)據(jù)挖掘是指從包含空間信息的數(shù)據(jù)庫中抽取隱含的知識(shí)、空間關(guān)系或有意義的特征模式。它在理解空間數(shù)據(jù)、獲取空間與非空間數(shù)據(jù)的內(nèi)在關(guān)系上具有重要意義。空間聚類分析是空間數(shù)據(jù)挖掘中一個(gè)重要的研究方向,它是按照某種相似性度量值,對空間數(shù)據(jù)集中的數(shù)據(jù)對象進(jìn)行歸類和標(biāo)識(shí)成簇,使得同簇中的對象盡可能相似,而不同簇間的對象彼此不相似。空間聚類分析既可作為獨(dú)立的空間數(shù)據(jù)挖掘工具,又可作為其它方法的預(yù)處理方法,目前己經(jīng)應(yīng)用在地理信息系統(tǒng)、遙感、醫(yī)學(xué)圖像處

2、理、環(huán)境研究等領(lǐng)域,具有重要的實(shí)用價(jià)值。目前,聚類算法大體上分為劃分的方法、層次的方法、基于密度的方法、基于網(wǎng)格的方法和基于模型的方法。這些算法存在如下的問題:符號(hào)屬性問題、算法的效率問題、初值的選擇問題、對輸入順序的敏感性問題、最優(yōu)解問題、算法對輸入?yún)?shù)的依賴性問題。 該研究對聚類算法的發(fā)展現(xiàn)狀作了介紹,對現(xiàn)有的聚類算法作了深入的研究,并對其優(yōu)缺點(diǎn)進(jìn)行了比較分析。通過對一種基于密度的聚類算法DBSCAN進(jìn)行分析,針對其 I/O

3、 開銷和內(nèi)存消耗大的缺陷,提出了一種基于可達(dá)核心點(diǎn)的聚類算法DRDBSCAN。該算法主要思想是:選擇數(shù)據(jù)庫中無任何標(biāo)識(shí)的點(diǎn)進(jìn)行核心點(diǎn)判斷,圍繞核心點(diǎn)生成源簇,再對含有共享點(diǎn)的源簇不斷合并,從而得到最終結(jié)果。通過上述思想,該算法減少了 DBSCAN 算法中需要查詢的點(diǎn)的數(shù)量,從而克服了DBSCAN 算法 I/O 開銷和內(nèi)存消耗大的缺陷,提高了 DBSCAN 算法的聚類效率。 利用 VC++開發(fā)工具實(shí)現(xiàn)該算法,并從聚類質(zhì)量和效率兩方

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲(chǔ)空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論