基于贝叶斯优化的密度峰值聚类算法
针对人工经验设定密度峰值的聚类算法(clustering by fast search and find of density peaks,DPC)的截断距离dc有很大的主观性和随机性,进而导致密度峰值聚类算法的性能无法完全发挥的问题.提出贝叶斯算法(Bayesian Optimization,BO)优化密度峰值的聚类算法以实现自适应聚类.并解决密度峰值的聚类算法簇间数据点识别错误问题.该方法建立在数据集Aggregation、Flame、Jain、Spiral上进行实验,分别通过内部指标Silhouette和外部指标F-measure对实验结果评估,性能均有提升.
密度峰值的聚类算法、截断距离、贝叶斯算法、自适应聚类、内部指标
18
TP391(计算技术、计算机技术)
安徽省自然科学基金面上项目;安徽省自然科学基金青年项目
2022-09-26(万方平台首次上网日期,不代表论文的发表时间)
共5页
8-12