-
题名面向位置大数据的快速密度聚类算法
被引量：32
- 1
-
-
作者
于彦伟
贾召飞
曹磊
赵金东
刘兆伟
刘惊雷
-
机构
烟台大学计算机与控制工程学院
Computer Science and Artificial Intelligence Laboratory
-
出处
《软件学报》
EI
CSCD
北大核心
2018年第8期2470-2484,共15页
-
基金
国家自然科学基金(61403328
61773331
+5 种基金
61572419
61502410)
山东省重点研发计划(2015GSF115009)
山东省自然科学基金(ZR2013FM011
ZR2013FQ023
ZR2014FQ016)~~
-
文摘
面向位置大数据聚类,提出了一种简单但高效的快速密度聚类算法CBSCAN,以快速发现位置大数据中任意形状的聚类簇模式和噪声.首先,定义了Cell网格概念,并提出了基于Cell的距离分析理论,利用该距离分析,无需距离计算,可快速确定高密度区域的核心点和密度相连关系;其次,给出了网格簇定义,将基于位置点的密度簇映射成基于网格的密度簇,利用排他网格与相邻网格的密度关系,可快速确定网格簇的包含网格;第三,利用基于Cell的距离分析理论和网格簇概念,实现了一个快速密度聚类算法,将DBSCAN基于数据点的密度扩展聚类转换成基于Cell的密度扩展聚类,极大地减少高密度区域的距离计算,利用位置数据的内在特性提高了聚类效率;最后,在基准测试数据上验证了所提算法的聚类效果,在位置大数据上的实验结果统计显示,与DBSCAN、PR-Tree索引和Grid索引优化的DBSCAN相比,CBSCAN分别平均提升了525倍、30倍和11倍效率.
-
关键词
聚类分析
密度聚类
位置大数据
Cell网格
网格簇
-
Keywords
clustering analysis
density-based clustering
location big data
Cell grid
cell-based cluster
-
分类号
TP311
[自动化与计算机技术—计算机软件与理论]
-
