結(jié)合蟻群算法與基于劃分的DBSCAN聚類算法的研究.pdf

1、聚類算法是一種無監(jiān)督的算法。它是一種將分散著的數(shù)據(jù)對(duì)象劃分到相應(yīng)的類當(dāng)中的過程。在聚類之后，同一個(gè)類當(dāng)中的數(shù)據(jù)對(duì)象及其相似的，相反，在不同類當(dāng)中的數(shù)據(jù)對(duì)象則盡可能不相似。
　　基于密度的聚類算法能夠根據(jù)數(shù)據(jù)對(duì)象臨近區(qū)域的密度將數(shù)據(jù)對(duì)象聚集到一起。DBSCAN聚類算法是經(jīng)典的基于密度聚類算法之一。它能夠發(fā)現(xiàn)任意形狀的簇，并且只需要兩個(gè)全局參數(shù)Eps和Minpts。DBSCAN被證明對(duì)于復(fù)雜的數(shù)據(jù)集和大規(guī)模數(shù)據(jù)都有較好的處理能力。但是

2、，當(dāng)數(shù)據(jù)集不斷增大的時(shí)候，DBSCAN聚類算法需要較高的內(nèi)存和I/O支持。并且算法對(duì)高維的和復(fù)雜形狀的數(shù)據(jù)處理能力較差。因此，基于劃分的DBSCAN聚類算法(PDBSCAN)被提出用于解決經(jīng)典的DBSCAN算法的一些缺點(diǎn)。但是當(dāng)數(shù)據(jù)集密度不均勻的時(shí)候，PDBSCAN聚類算法效果仍然很差。總的來說，DBSCAN與PDBSCAN算法都對(duì)初始參數(shù)很敏感。
　　本研究采用將蟻群優(yōu)化算法與基于密度劃分的DBSCAN聚類算法結(jié)合(即PACA-

3、DBSCAN)來提高聚類效果。算法首先采用改進(jìn)的蟻群聚類算法(ACA)和本文提出的基于密度劃分的方法來對(duì)數(shù)據(jù)集進(jìn)行初始化，將數(shù)據(jù)集劃分成N個(gè)數(shù)據(jù)子集。之后再采用DBSCAN聚類算法對(duì)每一個(gè)數(shù)據(jù)子集進(jìn)行聚類。本文通過五個(gè)數(shù)據(jù)集來說明PACA-DBSCAN的聚類結(jié)果優(yōu)于DBSCAN和PDBSCAN算法。另外還利用兩個(gè)經(jīng)典的數(shù)據(jù)集來橫向的將PACA-DBSCAN與ACA和KHM等算法進(jìn)行比較，實(shí)驗(yàn)表明PACA-DBSCAN算法效果優(yōu)于其他類型