论文部分内容阅读
针对基于密度的群以噪声发现聚类算法（density-based spatial clustering of applications withnoise, DBSCAN）的所需内存及I／O消耗大；空间聚类的密度不均匀时，采用全局统一的变量，聚类质量较差；对于输人参数敏感性较高等三个不足进行了改进．首先根据数据的空间分布特性，将整个数据空间划分为多个较小的分区，使分区的局部密度相对更均匀；然后将每个局部分区运用改进的DBSCAN算法进行聚类，改进的算法可以根据空间数据的分布，对一个中心点自适应的选取近邻，并