基于数据交叠分区的并行DBSCAN算法

DBSCAN是基于密度的聚类算法的一个典型代表 ,它对空间数据库聚类有很好的性能。然而 ,在对大规模数据库聚类时 ,DBSCAN需要大量内存支持并伴随着I/O开销。随着高性能计算机的发展 ,特别是集群式计算机的出现 ,提供了一种解决DBSCAN算法缺陷的方法。测试表明 。

基于MapReduce的改进DBSCAN算法

针对聚类算法DBSCAN中存在的Eps参数问题和处理海量数据集时的效率问题,提出OPDBSCAN算法。OPDBSCAN算法通过交叠分区获取局部Eps以降低全局Eps参数对聚类质量的影响,并结合MapReduce并行框架提高算法效率。实验结果表明,OPDBSCAN算法的效率和聚类质量都高于原DBSCAN算法。