搜索结果: 1-8 共查到“计算机科学技术基础学科 DBSCAN”相关记录8条 . 查询时间(0.083 秒)
一种基于近似EMD的DBSCAN改进算法
聚类 DBSCAN算法 近似EMD 高维数据
2013/12/11
DBSCAN(densitybased spatial clustering of applications with noise)算法是基于密度的经典聚类算法,但是该算法应用于高维数据时,常用距离函数不能很好地反映出数据点之间的关系, 从而可能导致聚类簇不够精确。如果能在高维空间中采用合适的距离度量,将会改善聚类结果。针对上述问题,提出利用近似EMD(earth mover’s distanc...
针对闪电定位仪中庞大而杂乱的定位数据,提出一种基于改进DBSCAN聚类算法(IDBSCAN)进行闪电聚类分析的方法。该方法依据闪电定位系统中的实时监控数据,搜索闪电密度大于阈值范围的地闪点,建立密度可达最大值的地闪聚类簇,并找到该簇类中的核心地闪点。同时,应用邻接表结构对DBSCAN算法进行改进,使得初始地闪数据的搜索集的建立时间和空间得到大大减少。在聚类分析结果基础上,对核心地闪点的移动路径进行...
改进的快速DBSCAN算法
聚类 DBSCAN 邻域 核心对象
2009/9/25
针对DBSCAN算法时间性能低效的问题，分析快速聚类过程中丢失对象的原因，提出一种新的改进算法IF-DBSCAN。该算法在不丢失对象的基础上，通过选取核心对象邻域中的代表对象来扩展类，从而减少邻域查询次数，提高了算法的时间性能。实验结果表明，IF-DBSCAN算法是正确和高效的。
基于DBSCAN算法的营运车辆超速点聚类分析
数据挖掘 聚类 营运车辆
2009/8/12
针对挖掘营运车辆超速点过程中存在的问题，提出一种基于密度的聚类方法。该方法依据车载GPS实时监控数据，挖掘超速多发点段，通过区域查询搜索超速点邻域内所有超速事件，寻求超速密度大于阈值的点或地段，并创建密度可达最大值的超速点聚类。同时利用简单直观的邻接表替代R*-树，简化了数据结构的建立过程，减少内存占用。实验结果表明，该方法有效。
基于DBSCAN的批量更新聚类算法
增量聚类 空间数据库 批量更新聚类算法
2009/8/11
为更新批量数据，提出一种基于DBSCAN的新聚类方法。该算法通过扫描原对象确定它们同增量对象间的关系，得到一个相关对象集，同时根据该相关对象和增量对象之间的关系获得新的聚类结果。实验结果表明，该算法与DBSCAN是等价的，能更有效地解决批量数据更新时的增量聚类问题。
基于网格的高效DBSCAN算法
聚类 密度 网格
2009/7/2
DBSCAN是一种性能优越的基于密度的聚类算法。为提高它的运行效率，提出了基于网格的DBSCAN算法GbDBSCAN。该算法使用网格划分的方法和数据分箱技术，减少了判定密度可达对象时的搜索范围，降低了算法的运行时间，而且算法还能够识别并处理边界点。实验结果表明，GbDBSCAN在不降低DBSCAN聚类质量的前提下，大大提高了DBSCAN算法处理低维数据集的效率。
基于密度的DBSCAN聚类算法的研究及应用
DBSCAN 交通事故多发点（段） 数据挖掘
2009/6/26
首先对DBSCAN（Density Based Spatial Clustering of Applications with Noise）聚类算法进行了深入研究，分析了它的特点、存在的问题及改进思想，提出了基于DBSCAN方法的交通事故多发点段的排查方法及其改进思路，并且给出了实例以说明处理过程及可行性。实验结果表明本文提出的方法可以大大提高交通事故黑点排查效率。