Кластеризация это одна из самых важных задач интеллектуального анализа данных (DataMining). Хотя существует много исследованных способов кластеризации таких как K-means, Fuzzy C-means и др., но существует проблема повышения точности и ускорения алгоритмов кластеризации, вследствие того, что в течение 10 последних лет количество обрабатываемых данных существенно выросло. В данной работе представлен новый подход для ускорения алгоритма кластеризации на основе плотности DBSCAN (Density Based Spatial Clustering of Applications with Noise) [1]. Практические исследования показывают, что скорость кластеризации предложенного алгоритма выше при сохранении точности. Ключевые слова: кластеризация, DBSCAN, K-means.
