본 논문은 임의의 형태의 클러스터 식별 및 노이즈 처리에 강점을 가진 밀도 기반 클러스터링 알고리즘의 한계를 극복하기 위해, 선택적 주의 집중 개념을 차용하여 매개변수 조정 의존성을 최소화하는 새로운 알고리즘을 제안한다. 제안된 방법은 희소하게 분포된 점과 이상치를 제외하기 위한 적응형 임계값 계산, 초기 클러스터 프레임워크 구축, 필터링된 점의 재통합을 통해 최종 결과를 개선한다. 다양한 벤치마크 데이터셋에 대한 실험을 통해 제안된 방법의 견고성, 정확성 및 사용 편의성을 입증하고, 기존 밀도 기반 클러스터링 기술에 대한 강력한 대안임을 제시한다.
