主页期刊介绍编委会编辑部服务介绍道德声明在线审稿编委办公编辑办公English
2018-2019年专刊出版计划 微信服务介绍 最新一期:2019年第10期
     
在线出版
各期目录
纸质出版
分辑系列
论文检索
论文排行
综述文章
专刊文章
美文分享
各期封面
E-mail Alerts
RSS
旧版入口
中国科学院软件研究所
  
投稿指南 问题解答 下载区 收费标准 在线投稿
周水庚,周傲英,金文,范晔,钱卫宁.FDBSCAN:一种快速 DBSCAN算法(英文).软件学报,2000,11(6):735-744
FDBSCAN:一种快速 DBSCAN算法(英文)
FDBSCAN: A Fast DBSCAN Algorithm
投稿时间:1999-03-19  修订日期:1999-06-25
DOI:
中文关键词:  大规模数据库  数据挖掘  聚类  快速DBSCAN算法  代表点
英文关键词:Large scale database  data mining  clustering  fast DBSCAN algorithm  representative point
基金项目:This research is supported by the National 973 Fundamental Research of China(国家重点基础研究计划 No.G1998030414),the National Natural Science Foundation of China (国家自然科学基金,No.6974300),and the National Doctoral Subject Foundation of China (国家博士后项目基金,No.1999024621).
作者单位
周水庚 复旦大学计算机系,上海,200433 
周傲英 复旦大学计算机系,上海,200433 
金文 复旦大学计算机系,上海,200433 
范晔 复旦大学计算机系,上海,200433 
钱卫宁 复旦大学计算机系,上海,200433 
摘要点击次数: 3257
全文下载次数: 3622
中文摘要:
      聚类分析是一门重要的技术 ,在数据挖掘、统计数据分析、模式匹配和图象处理等领域具有广泛的应用前景 .目前 ,人们已经提出了许多聚类算法 .其中 ,DBSCAN是一种性能优越的基于密度的空间聚类算法 .利用基于密度的聚类概念 ,用户只需输入一个参数 ,DBSCAN算法就能够发现任意形状的类 ,并可以有效地处理噪声 .文章提出了一种加快 DBSCAN算法的方法 .新算法以核心对象邻域中所有对象的代表对象为种子对象来扩展类 ,从而减少区域查询次数 ,降低 I/ O开销 .实验结果表明 ,FDBSCAN能够有效地
英文摘要:
      Clustering is an important application area for many fields including data mining, statistical data analysis, pattern recognition, image processing, and other business applications. Up to now, many algorithms for clustering have been developed. Contributed from the database research community, DBSCAN algorithm is an outstanding representative of clustering algorithms for its good performance in clustering spatial data. Relying on a density based notion of clusters, DBSCAN is designed to discover clusters of arbitrary shape.It requires only one input parameter and supports the user in determining an appropriate value of it.In this paper,a fast DBSCAN algorithm (FDBSCAN) is developed which considerably speeds up the original DBSCAN algorithm.Unlike DBSCAN,FDBSCAN uses only a small number of representative points in a core point's neighborhood as seeds to expand the cluster such that the execution frequency of region query and consequently the I/O cost are reduced.Experimental results show that FDBSCAN is effective and efficient in clustering large-scale databases,and it is faster than the original DBSCAN algorithm by several times.
HTML  下载PDF全文  查看/发表评论  下载PDF阅读器
 

京公网安备 11040202500064号

主办单位:中国科学院软件研究所 中国计算机学会 京ICP备05046678号-4
编辑部电话:+86-10-62562563 E-mail: jos@iscas.ac.cn
Copyright 中国科学院软件研究所《软件学报》版权所有 All Rights Reserved
本刊全文数据库版权所有,未经许可,不得转载,本刊保留追究法律责任的权利