ST-DBSCAN: An algorithm for clustering spatial-temp oral data
ST-DBSCAN: An algorithm for clustering spatial-temp oral data
复制标题
DOI：
10.1016/j.datak.2006.01.013
复制
发表时间：
2007-01-01
影响因子：
2.5
通讯作者：
Kut, Alp
中科院分区：
文献类型：
--
作者：
Birant, Derya;Kut, Alp
本文在DBSCAN的基础上提出了一种新的基于密度的聚类算法ST-DBSCAN。我们提出了与识别（i）核心对象、（ii）噪声对象和（iii）相邻簇相关的 DBSCAN 的三个边缘扩展。与现有的基于密度的聚类算法相比，我们的算法具有根据对象的非空间、空间和时间值发现聚类的能力。在本文中，我们还提出了一种时空数据仓库系统，旨在存储和集群各种时空数据。我们使用这个数据仓库展示了我们的算法的实现，并展示了数据挖掘结果。 (c) 2006 Elsevier B.V. 保留所有权利。
This paper presents a new density-based clustering algorithm, ST-DBSCAN, which is based on DBSCAN. We propose three marginal extensions to DBSCAN related with the identification of (i) core objects, (ii) noise objects, and (iii) adjacent clusters. In contrast to the existing density-based clustering algorithms, our algorithm has the ability of discovering clusters according to non-spatial, spatial and temporal values of the objects. In this paper, we also present a spatial-temporal data warehouse system designed for storing and clustering a wide range of spatial-temporal data. We show an implementation of our algorithm by using this data warehouse and present the data mining results. (c) 2006 Elsevier B.V. All rights reserved.