DBSCAN 是一种经典的基于密度聚类算法,能够自动确定簇的数量,对任意形状的簇都能有效处理。SA2DBSCAN 聚类算法,通过分析数据集统计特性来自动确定Eps 和minPts 参数

本软件包含id3,bayes,Apriori,kmeans,dbscan算法，可以处理从TXT文件读取数据，其中Apriori算法有比较完整界面，运行时先装jdk

研究生毕业论文 DBSCAN就是一种基于密度的方法，该算法的显著优点是速度快，可以发现任 意形状的聚类和噪声点。但是当数据量非常庞大时，该算法对主存要求较高；而 且需要定义一个全局变量Eps，如果这个全局变量Eps定义的不好，将会影响聚类 质量，尤其是数据分布不均匀时，因此DBSCAN对输入参数Eps是十分依赖的。 论文在分析这些不足的基础上，对DBSCAN算法进行了改进，把“分而治之”的

摘要: 目前的聚类算法如K-means、DBSCAN等, 采用全局参数而难以发现数据的自然聚类, 提出一种新的分 级聚类算法CluFNC, 能够在数据空间中发现内部聚类特征。该算法的参数包括网格大小、噪声阈值和神经节点 数量。算法首先根据参数对数据空间划分网格, 接着使用高斯影响函数计算每个单元的场强, 然后针对网格位 置和网格的场强使用SOM进行聚类, 最后使用Chameleon 算法对S

V一种新的基于密度的聚类与孤立点检测算法V一种新的基于密度的聚类与孤立点检测算法
第22卷 刘大任等:一种新的基于密度的聚类与孤立点检测算法 151 k2一邻域的平均可达距离的倒数 ELSE return poin core (6)由核心对象出发来形成一个聚,如果两个 //结東FOR循环 核心点相连,那么这两个核心点在同一个聚类中 DBSCAN()// DRSCAN过程返回聚类结果