10.3778/j.issn.1673-9418.1804033
自然最近邻优化的密度峰值聚类算法
针对现有的基于密度的聚类算法存在参数敏感,处理非球面数据和复杂流形数据聚类效果差的问题,提出一种新的基于密度峰值的聚类算法.该算法首先根据自然最近邻居的概念确定数据点的局部密度,然后根据密度峰局部密度最高并且被稀疏区域分割来确定聚类中心,最后提出一种新的类簇间相似度概念来解决复杂流形问题.在实验中,该算法在合成和实际数据集中的表现比DPC(clustering by fast search and find of density peaks)、DBSCAN(density-based spatial clustering of applications with noise)和K-means算法要好,并且在非球面数据和复杂流形数据上的优越性特别大.
密度峰、自然最近邻居、局部密度、稀疏区域、类簇间相似度
13
TP301.6(计算技术、计算机技术)
The National Natural Science Foundation of China under Grant No. 61673193;the Fundamental Research Funds for the Central Universities of China under Grant Nos. JUSRP51635B, JUSRP51510
2019-05-16(万方平台首次上网日期,不代表论文的发表时间)
共10页
711-720