论文研究-SVM的几何方法—SK类思路的研究.pdf

为了改善DBSCAN参数敏感性和对密度分布不均数据对象聚类质量不高的问题，提出了一种基于DBSCAN算法的改进聚类方法。算法使用K最近邻的均值距离度量密度，中心点选取当前密度最大点，并以中心点为核心点扩展种子队列，直至由给定的密度比例因子所决定的密度边缘。为了改善聚类质量，提出了候选核心点，并使用给定的半径比例因子发现核心点。在实验中，利用数据集对该算法进行了测试，测试结果证明了该改进算法的参数鲁棒性，和在聚类密度分布不均数据集时的较好性能。