10.13413/j.cnki.jdxblxb.2017479
基于K近邻和多类合并的密度峰值聚类算法
针对密度峰值聚类(DPC)算法在处理结构复杂、维数较高以及同类中存在多个密度峰值的数据集时聚类性能不佳的问题,提出一种基于K近邻和多类合并的密度峰值聚类(KM-DPC)算法.首先利用定义的密度计算方法描述样本分布,采用新的评价指标获取聚类中心;然后结合K近邻思想设计迭代分配策略,将剩余点准确归类;最后给出一种局部类合并方法,以防将包含多个密度峰值点的类分裂.仿真实验结果表明,该算法在22个不同数据集上的性能明显优于DPC算法.
聚类、局部密度、密度峰值、K近邻、多类合并
57
TP181(自动化基础理论)
国家自然科学基金91338115;国家科技重大专项基金2015ZX03002006;高等学校学科创新引智基地“111”计划项目B08038
2019-05-29(万方平台首次上网日期,不代表论文的发表时间)
共10页
111-120