论文研究基于动态近邻的DBSCAN算法.pdf

针对DBSCAN算法聚类参数敏感不易获取、参数固定无法适应密度不均匀数据等问题。提出了动态近邻的概念，即聚类参数随密度动态变化。设计了用于调整动态参数的近邻规模演化算法，即通过限制相对密度变化率，逐步调整近邻规模。最后根据动态的近邻规模，重新定义了DBSCAN算法核心对象的概念，并设计了基于动态近邻的DN-DBSCAN算法。仿真结果表明，DN-DBSCAN能够有效识别非凸及密度分布不均匀的数据样本，聚类效果优于传统DBSCAN算法和其他经典改进算法。