基于RAPIDS的无参DBSCAN算法

具有噪声的基于密度的空间聚类（Density-based spatial clustering of applications with noise， DBSCAN）能够发现不同密度和大小的类簇，对噪声也有很好的鲁棒性，被广泛地应用到数据挖掘的任务中。DBSCAN通常需要调整参数MinPts和Eps以达到更优的聚类效果，但往往在搜索最优参数的过程中会影响DBSCAN的性能。本文从两个方面优化DBSCAN，一方面，提出一种无参的方法优化DBSCAN全局参数选择。无参方法利用自然最近邻获得数据集的自然特征值，并将自然特征值作为参数MinPts值。然后，根据自然特征值计算自然特征集合，利用自然特征集合中的数据分布特性，分别采取统计最小值、平均值和最大值3种方式得到Eps值。另一方面，采用集成数据科学实时加速平台（Real-time acceleration platform for integrated data science，RAPIDS）的图形处理器（Graphics processing unit，GPU）计算加快DBSCAN算法的收敛速度。实验结果表明，本文提出的方法在优化DBSCAN参数选择的同时，取得了与密度峰值聚类（Density peaks clustering， DPC）相当的聚类结果。