王 光，林国宇

辽宁工程技术大学 软件学院，辽宁 葫芦岛 125105

1 引言

聚类算法是在无标签的数据中发现数据的内部联系，若数据的属性相同则聚成一个簇。针对这一特性，聚类算法被广泛应用于用户画像[1]、文本处理[2]、图像分割[3]等领域。

DBSCAN算法是密度聚类中最经典的算法之一，它可以有效地寻找到被低密度区域分隔的高密度区域，并在具有噪声的数据中发现任意形状的簇。DBSCAN通过邻域(Eps)和邻域内最少样本的数量(MinPts)来识别数据集中有较高密度的样本点，并将其划分为簇。然而DBSCAN对Eps和MinPts两个参数的选择非常敏感，若选取不当可能会出现错误的聚类甚至无法聚类的情况。针对DBSCAN参数的自适应选择，国内外学者进行了一系列的研究。周红芳等[4]提出的I-DBSCAN算法运用极大似然估计和泊松分布来估计Eps的取值，用求数学期望的方法来求MinPts，该方法依赖数据自身的分布特点，依靠人为观察噪声和聚类个数与K的关系图，导致结果存在一定误差。李文杰等[5]提出的KANN-DBSCAN算法根据K-近邻求出Eps的候选集合，选取不同的K值根据数学期望得到MinPts，再把参数输入DBSCAN继续聚类，当取三次K值，若簇数稳定则记为最优簇数，通过循环迭代求出最优参数，该方法虽然精确度相对较高，但是随着数据量的增大，时间消耗也逐渐增大。周治平等[6]提出的AF-DBSCAN根据k-dist分布进行分析，该方法用一条曲线描述全局分布，主观性较强同时存在一定的误差。秦佳睿等[7]提出的SALE-DBSCAN通过寻找密度峰值点，自动选择聚类的局部邻域半径，该方法需要计算所有点的局部密度来寻找密度峰值点，再扩张密度峰值点邻域、合并聚类结果等，使该算法的复杂度较高。……