基于粒子群優(yōu)化的帶障礙約束DBSCAN算法研究.pdf

1、空間數據挖掘是現代研究領域中一個非?；钴S的研究課題,空間數據挖掘已經廣泛應用于遙感系統(tǒng)、全球定位系統(tǒng)和地理信息系統(tǒng),在國民經濟和國防建設方面發(fā)揮著越來越大的作用。空間聚類分析作為數據挖掘中一項重要的挖掘任務和挖掘方法,能夠發(fā)現密集和稀疏的空間數據關系,并且在聚類過程中充分考慮了現實障礙物的存在,具有廣闊的應用前景和實際價值。
　　 DBSCAN算法是一種重要的基于密度的高效聚類方法,適用于任意形狀和大小的幾何圖形的聚類,可以自動

2、確定形成的簇的數目,有效地將簇和環(huán)境噪聲相分離。DBSCAN具有聚類速度快,能夠處理復雜數據對象等優(yōu)點,然而由于參數選擇和參數計算的方法不同,算法的執(zhí)行結果和執(zhí)行效果則相差很大。目前,已經有許多學者致力于研究有效的DBSCAN參數選擇方法,從而使它能夠適應更加實際和復雜的數據挖掘問題中。
　　 粒子群優(yōu)化算法作為一種新穎的群集智能算法,在誕生后的10年多時間里,其算法結構和性能改善一直是研究者們關注的熱點。粒子群優(yōu)化算法是基于群

3、集智能理論的關鍵優(yōu)化算法,通過群體中粒子間在合作與競爭的過程中產生群體智能,并利用此群體智能指導整個迭代搜索過程。
　　 本文首先介紹了聚類和空間聚類的原理,并針對其中基于密度的DBSCAN聚類算法的優(yōu)缺點進行了深入的分析。然后,根據粒子群優(yōu)化算法的迭代搜索策略,并借助移動機器人路徑規(guī)劃方法的動態(tài)避障思想,提出了一種新的基于粒子群優(yōu)化算法的障礙約束條件下DBSCAN空間聚類算法-PSODBSCAN。該算法在DBSCAN算法的基礎