一种改进的DBSCAN聚类融合算法及应用

下载PDF

导出

摘要 DBSCAN高密度聚类是数据挖掘中聚类算法里常用的一种分析方法，它能找出样本比较密集的部分并概括出样本相对比较集中的类。本文通过分析DBSCAN算法特点并对其缺陷加以改进运用于Rohocup中型组机器人数据融合系统，实验结果表明运用DBscAN算法可以大幅度提高机器人目标定位的准确性。

作者黄衍标魏育华

机构地区广州华立科技职业学院

出处《科技与生活》 2011年第14期173-173,219,共2页

关键词聚类融合 DBSCAN 密度 RoboCup型组数据融合

参考文献3

1吴月娴,葛临东.改进的DBSCAN算法在调制识别中的应用[J].电子技术应用,2006,32(11):121-123. 被引量：2
2Yanbiao Huang, Research of robot simultaneous localization and mapping in multiple mobile robot system MIPPR2007 volume 6786,2007,11.
3DBSCAN在二维空间上的实现.http:Hnlp.bit.edu.cn/bbs/index.php.

1Mobasseri B G.Digital modulation classification using constellation shape.Department of Electrical and Computer Engineering,Villanova,PA 19085,November 20,1997
2Mobasseri B G.Constellation shape as a robust signature for digital modulation recognition,IEEE,1999
3Martin Ester,Hans-Peter Kriegel,Jorg Sander et al.A Density-Based algorithm for discovering clusters in large spatial databases with noise.Institute for Computer Science,University of Munich Oettingenstr.67,D-80538 Munchen,Germany
4Maria Halkidi,Michalis Vazirgiannis.Clustering validity assessment:Finding the optimal partitioning of a data set.In Proceedings IEEE International Conference,2001:187～194
5Kenta Umebayashi,Robert H.Morelos-Zaragoza.A method of Non-Data-Aided carrier recovery with modulation identification.In:Global Telecommunications Conference,2001;3375～3379

科技与生活

2011年第14期

内容加载中请稍等...