自动确定聚类中心的密度峰值算法

摘要：

密度峰值聚类算法(Density Peaks Clustering,DPC),是一种基于密度的聚类算法,该算法具有不需要指定聚类参数,能够发现非球状簇等优点.针对密度峰值算法凭借经验计算截断距离dc无法有效应对各个场景并且密度峰值算法人工选取聚类中心的方式难以准确获取实际聚类中心的缺陷,提出了一种基于基尼指数的自适应截断距离和自动获取聚类中心的方法,可以有效解决传统的DPC算法无法处理复杂数据集的缺点.该算法首先通过基尼指数自适应截断距离dc,然后计算各点的簇中心权值,再用斜率的变化找出临界点,这一策略有效避免了通过决策图人工选取聚类中心所带来的误差.实验表明,新算法不仅能够自动确定聚类中心,而且比原算法准确率更高.

关键词：密度峰值、聚类、簇中心点、基尼指数

所属期刊栏目：54

分类号：TP18(自动化基础理论)

资助基金：江苏省自然科学基金BK20140165

在线出版日期：2018-05-14（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：137-142