论文研究基于真实核心点的密度聚类方法.pdf

针对目前聚类算法不能有效地处理模糊边界点的问题，提出了一种基于真实核心点的RDBSCAN聚类算法。提出真实核心点的概念，首先在密度聚类过程中的核心点进一步处理分类，把影响聚类效果的伪核心点剔除，将剩下的真实核心点根据密度可达原则进行聚类；然后提出密度合并判定定理：相同类簇内点的真实密度远大于不同类簇的点，以此为指导判断真实核心点的真实密度，使类簇内各点的相似性更大。通过人工数据集与UCI数据集聚类实验可看出，RDBSCAN算法降低了模糊边界点的干扰，而且出现了若干新颖的类簇分类，在密度不规则的数据集中聚类更加准确。