基于密度聚類的空間數(shù)據(jù)挖掘算法研究.pdf

1、隨著空間數(shù)據(jù)獲取技術的快速發(fā)展,空間數(shù)據(jù)的數(shù)量、大小和復雜性都在急劇增加,已經(jīng)遠遠超出了人們的解釋能力,致使“空間數(shù)據(jù)爆炸但知識貧乏”。因此,利用空間數(shù)據(jù)挖掘和知識發(fā)現(xiàn)從空間數(shù)據(jù)庫中挖掘出事先未知的、卻潛在有用的空間模式變得十分必要。然而由于空間數(shù)據(jù)的復雜性,及數(shù)據(jù)量的龐大,給空間數(shù)據(jù)挖掘帶來了一定的難度。如何使用有效的數(shù)據(jù)挖掘手段從空間數(shù)據(jù)庫中挖掘出有用的信息,是當前亟需解決的一大問題。 本文在深入研究了國內外空間數(shù)據(jù)挖掘算法

2、研究現(xiàn)狀的基礎上,比較與分析了現(xiàn)有空間數(shù)據(jù)挖掘算法,討論了影響空間數(shù)據(jù)挖掘效率的空間索引技術,對基于密度聚類算法進行了研究與比較,并針對密度聚類算法對空間數(shù)據(jù)挖掘大量數(shù)據(jù)點處理上的時間復雜性及對參數(shù)的敏感性問題,提出了一種具有矢量約束侯選點的RCDBSCAN算法。該算法以傳統(tǒng)的基于密度的聚類算法DBSCAN算法為基礎,以發(fā)現(xiàn)線形聚類結構為目標,采用了矢量約束候選點的方法來進行候選點的選取,減少了數(shù)據(jù)點的處理；同時采用數(shù)據(jù)分區(qū)技術對數(shù)據(jù)集