段明秀，唐超琳

(1.吉首大学信息科学与工程学院，湖南吉首 416000;2.吉首大学信息科学与工程学院，湖南吉首 416000)

一种基于密度的聚类算法实现*

段明秀1，唐超琳2

(1.吉首大学信息科学与工程学院，湖南吉首 416000;2.吉首大学信息科学与工程学院，湖南吉首 416000)

基于密度的聚类算法OPTICS是一种大规模数据库的聚类算法，它是基于核心对象和可达距离来实现的.对于每一个核心对象将其邻域内的所有对象按到该核心对象的可达距离进行排序，每次都选择1个到该核心对象具有最小的可达距离的对象进行信息更新.算法实现采用优先队列保存候选对象以加快处理速度，最后用UCI数据集对算法进行聚类效果测试，结果表明OPTICS算法对数据集产生一个基于密度的簇排序结构.

数据挖掘;聚类算法;OPTICS;聚类;密度

随着计算机、网络和通讯技术的快速发展，大量的数据被收集并保存在数据库中，迫切需要一种有效的分析方法从海量的数据中收集并提取有用的信息.基于密度的聚类算法OPTICS(Ordering Points to I dentify the Clustering Structure，通过点排序识别聚类结构)是一种自动交互式的聚类分析方法，它通过扩展DBSCAN来同时处理一组距离参数，没有产生显式的数据集聚类，只是用簇次序来代表基于密度的聚类结构，该结构包含了从一个宽广的参数设置范围进行基于密度聚类所需的信息［1］.在许多的数据挖掘软件如Weka和ELKI中都实现了该算法，所以研究和实现该算法具有一定的实际意义.

1 OPTICS算法概述

OPTICS［1］是DBSCAN算法的扩展.尽管……