密度峰值聚类算法研究综述
密度峰值聚类(DPC)是一种新提出的基于密度和距离的聚类算法,由于其原理简单,无需迭代和能处理形状数据集等优点,正在数据挖掘领域得到广泛应用.但DPC算法也有着一定的缺陷,如:对截断距离参数敏感,初始聚类中心的选择非自动化,后续标签分配存在链式问题,时间复杂度较高等.文章对DPC算法的研究现状进行了总结与整理,首先介绍了DPC的算法原理和流程;其次,针对DPC算法的不足对DPC算法的优化进行概括和分析,指出了优化算法的核心技术以及优缺点;最后,对DPC算法未来可能面对的挑战和发展趋势进行展望.
聚类算法、密度峰值、截断距离、初始聚类中心、微簇合并、时间复杂度
40
TP391(计算技术、计算机技术)
江西省自然科学基金20192ACBL20010
2023-03-02(万方平台首次上网日期,不代表论文的发表时间)
共11页
106-116