基于Laplacian中心性的密度聚类算法

摘要：

聚类分析是一种重要的数据挖掘工具,可以衡量不同数据之间的相似性,并把它们分到不同的类别中,在模式识别、经济学和生物学等领域有着广泛的应用.文中提出了一种新的聚类算法.首先,把待分类的数据集转换成一个加权的完全图,每个数据点为一个节点,两个数据点之间的距离为相应两个节点之间边的权值.然后,用Laplacian中心性来计算和评价该网络每个节点的局部重要性,聚类中心为局部的密度中心,它具有比周围的邻居节点更高的Laplacian中心性,并且与具有更高Laplacian中心性的节点之间的距离也较大.新算法是一种真正的无参数聚类方法,不需要任何先验参数便可以自动地对数据集进行分类.在6种数据集中将其与9种知名聚类算法做了对比,结果显示该算法具有良好的聚类效果.

关键词：加权完全图、Laplacian中心性、密度聚类

所属期刊栏目：45

分类号：TP181(自动化基础理论)

资助基金：国家自然科学基金61374152;浙江省自然科学基金LY17F030016,LQ13G010007

在线出版日期：2018-04-04（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：292-296,306