基于最优密度估计的密度峰值聚类算法

摘要：

针对密度峰值聚类算法(clustering by fast search and find of density peaks,DPC)聚类无特定形状的实际数据集时聚类精度欠佳的问题,提出一种最优化密度估计的密度峰聚值类算法.使用最优Oracle逼近(Oracle approximating shrinkage,AS)计算出最优协方差矩阵,利用最优协方差矩阵构造马氏距离,通过最优协方差矩阵提高DPC对数据相似度的区分能力,在此基础上结合K近邻算法,实现数据样本密度最优估计,利用最优密度估计提高DPC对实际数据集的聚类精度.在人工数据集和UCI真实数据集上进行仿真实验,实验结果表明,改进DPC算法的思路是可行的.

关键词：密度峰值聚类算法、K近邻、协方差矩阵、最优Oracle估计、最优密度估计

所属期刊栏目：41

分类号：TP311.13(计算技术、计算机技术)

资助基金：国家自然科学基金项目 51667004、61762009

在线出版日期：2020-07-24（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：1877-1883