基于高阶差分和网格划分算法的DBSCAN参数自动选取算法

来源：计算机应用研究杂志2020年第11期北京时间：

作者：兰红,朱合隆,

单位：江西理工大学信息工程学院,江西赣州341000；

摘要：针对DBSCAN算法中的两个参数eps和minPts通常依靠经验选取所带来的不足，提出一种高阶差分和网格划分相结合的快速DBSCAN自动参数选取算法。首先分析数据集中数据点与参数的关系，通过引入高阶差分算法自动获取eps和minPts两个参数；然后利用网格划分对数据集建立网格索引，优化算法的运行效率，最后针对噪声点过多的数据集提出去极化操作，增强算法的鲁棒性。算法应用于flame等九个数据集，分别与传统DBSCAN和AGD-DBSCAN算法选取的参数进行聚类效果和算法运行效率的对比分析。结果表明提出的基于高阶差分自动选取参数算法是一种有效的DBSCAN 参数自动选取方法，网格划分显著提升了高阶差分算法的性能，去极化操作必要且有效，具有很好的实用性。

关键词：密度聚类,参数选取,高阶差分,网格划分,去极化,

基金资助：国家自然科学基金资助项目(61762046)；江西省自然科学基金资助项目(20161BAB212048)；；