浅析DBSCAN算法中参数设置问题的研究

摘要

传统的 DBSCAN 密度聚类算法, 需要人为设置邻域阈值（Eps）和点数阈值（minPts）2 个参数来对数据集进行聚类, 由于minPts和Eps具有全局性, 使得DBSCAN算法对参数很敏感,特别是分布不均匀的数据集. 针对DBSCAN算法中这一问题, 本文研究改进的算法通过对数据点的k最近点平均距离进行分析, 根据其统计特性动态地确定minPts和多个 Eps 值, 然后根据所求得的多组（minPts, Eps）值依次对数据集进行聚类, 从而达到自适应设置参数的目的.