• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>International journal of computational geometry & applications >Faster DBSCAN and HDBSCAN in Low-Dimensional Euclidean Spaces
【24h】

Faster DBSCAN and HDBSCAN in Low-Dimensional Euclidean Spaces

机译：在低维欧几里德空间中更快的DBSCAN和HDBSCAN

获取原文
获取原文并翻译 | 示例
           
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

We present a new algorithm for the widely used density-based clustering method?dbscan. For a set of n points in ?2 our algorithm computes the dbscan-clustering in O(nlog n) time, irrespective of the scale parameter??? (and assuming the second parameter MinPts is set to a fixed constant, as is the case in practice). Experiments show that the new algorithm is not only fast in theory, but that a slightly simplified version is competitive in practice and much less sensitive to the choice of ?? than the original dbscan algorithm. We also present an O(nlog n) randomized algorithm for hdbscan in the plane?— hdbscan is a hierarchical version of dbscan introduced recently?— and we show how to compute an approximate version of hdbscan in near-linear time in any fixed dimension.
机译：我们为广泛使用的基于密度的聚类方法提出了一种新的算法？DBSCAN。 对于一组n点？2我们的算法计算O（nlog n）时间的DBSCAN群集，而不管比例参数如何??? （并且假设第二个参数Minpts设置为固定常数，就像在实践中的情况一样）。 实验表明，新算法在理论上不仅快速，而且略微简化的版本在实践中具有竞争力，并且对选择的选择远得更敏感 而不是原始的dbscan算法。 我们还提出了一个O（NLOG N）在飞机中的HDBSCAN随机化算法？ - HDBSCAN是最近推出的DBSCAN的分层版本？ - 并且我们展示了如何在任何固定维度中计算近线性时间的大约HDBSCAN版本。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号