노이즈가 있는 대형 공간 데이터베이스에서 클러스터 탐색을 위한 밀도 기반 알고리즘

목차

Ⅰ. 서론

Ⅱ. 본론
1. 클러스터링 알고리즘
2. DBSCAN: 노이즈가 있는 애플리케이션의 밀도 기반 공간 클러스터링

Ⅲ. 결론 & critique

본문내용

클러스터링 알고리즘은 공간 데이터베이스의 클래스 식별 작업에 적합하다. 클래스 식별 작업은 데이터베이스의 개체를 의미 있는 하위 클래스로 그룹화하는 것을 의미한다. 이 알고리즘을 대규모 공간 데이터베이스에 적용하면 입력 매개 변수를 결정하기 위한 도메인 지식의 최소 요구사항이나 대규모 데이터베이스에서의 효율성과 같은 요구사항이 증가한다. 그러나 기존의 클러스터링 알고리즘은 이러한 요구 사항의 조합에 대한 솔루션을 제공하지 않는다.
본 논문에서는 임의의 모양의 클러스터를 발견하도록 설계된 클러스터의 밀도 기반 개념에 기반한 새로운 클러스터링 알고리즘인 DBSCAN을 제시한다. DBSCAN은 하나의 입력 매개 변수만 필요하고 사용자가 적절한 값을 결정할 수 있으며 대규모 공간 데이터베이스에서도 효율적이라는 점에서 장점을 지닌다.

참고 자료

없음