论文部分内容阅读
数据聚类在数据挖掘、模式识别、图像处理和数据压缩等领域有着广泛的应用。ＤＢＳＣＡＮ是一种基于密度的空间聚类算法，在处理空间数据时具有快速、有效处理噪声点和发现任意形状的聚类等优点，但由于直接对数据库进行操作，在数据量大的时间就需要较多的内存和Ｉ／Ｏ开销；此外，当数据密度和聚类间的距离不均匀时聚类质量较差，为此，在分析ＤＢＳＣＡＮ算法不足的基础上，提出了一个基于数据分区的ＤＢＳＣＡＮ算法，测试结果表