基于方形领域的网格密度聚类算法

摘要: 针对大数据聚类低效的问题，提出一种方形邻域快速网格密度聚类算法SGBSCAN (square-neighborhood and Grid-based DBSCAN)。首先给出方形邻域密度聚类定义，利用方形邻域代替圆形邻域，降低时间复杂度；其次提出方形邻域密度聚类的Grid概念，快速确定高密度区域内核心点与数据点之间的密度关系；最后提出Grid密度簇，利用网格之间的关系加快密度簇的形成。算法应用于16个数据集，分别与已有文献算法进行对比，结果表明所提算法在聚类效率方面有显著提升，数据量越大算法效率提升越明显，且所提算法适用于多维数据的聚类。