论文部分内容阅读
DBSCAN（density based spatial clustering of applications withnoise）算法是一种典型的基于密度的聚类算法。该算法可以识别任意形状的类簇，但聚类结果依赖于参数跏和MinPts的选择，而且对于一些密度差别较大的数据集，可能得不到具有正确类簇个数的聚类结果，也可能将部分数据错分为噪声。为此，利用数据场能较好描述数据分布，反映数据关系的优势，提出了一种基于数据场的改进DBSCAN聚类算法。该算法引入平均势差的概念，在聚类过程中动态地确定每个类的Eps和