基于密度峰值和近邻优化的聚类算法

摘要：

针对密度峰值算法在选取聚类中心时的时间复杂度过高,需要人工选择截断距离并且处理流形数据时有可能出现多个密度峰值,导致聚类准确率下降等问题,提出一种新的密度峰值聚类算法,从聚类中心选择、离群点筛选、数据点分配三方面进行讨论和分析,并给出相应的聚类算法.在聚类中心的选择上采取KNN的思想计算数据点的密度,离群点的筛选和剪枝以及数据点分配则利用Voronoi图的性质,结合数据点的分布特征进行处理,并在最后应用层次聚类的思想以合并相似类簇,提高聚类准确率.实验结果表明:所提算法与实验对比算法相比较,具有较好的聚类效果和准确性.

关键词：密度聚类、Voronoi图、离群点、最近邻

所属期刊栏目：14

分类号：TP311.13(计算技术、计算机技术)

资助基金：The National Natural Science Foundation of China under Grant No. 61872105 国家自然科学基金;the Natural Science Foundationof Heilongjiang Province under Grant No. F201302 黑龙江省自然科学基金;the Science and Technology Research Project of HeilongjiangProvincial Education Department under Grant No. 12531z004 黑龙江省教育厅科学技术研究项目

在线出版日期：2020-04-24（万方平台首次上网日期，不代表论文的发表时间）

页数：共12页

页码：554-565