一种自适应的密度峰值聚类算法

摘要：

针对密度峰值聚类(density peak clustering,DPC)算法不能根据数据集自适应选取聚类中心和截断距离dc,从而不能自适应聚类的问题,提出了一种自适应的密度峰值聚类(adaptive density peak clustering,ADPC)算法.首先,提出了一个综合考虑局部密度ρi和相对距离δi的参数μi,根据μi的排列顺序及下降趋势trend自动确定聚类中心.然后,基于基尼系数G对截断距离dc做了自适应选择.最后,对ADPC算法做出了实验验证,并与DPC算法和K-means算法进行了对比.实验结果表明,ADPC算法具有较高的ARI,NMI和AC值,具有较好的聚类效果.

关键词：聚类、自适应、聚类中心、截断距离、下降趋势、基尼系数

所属期刊栏目：43

分类号：TP391.4(计算技术、计算机技术)

资助基金：国家自然科学基金;河北省自然科学基金资助项目

在线出版日期：2022-07-14（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：761-768