自适应聚合策略优化的密度峰值聚类算法

摘要：

针对密度峰值聚类算法受人为干预影响较大和参数敏感的问题,即不正确的截断距离dc会导致错误的初始聚类中心,而且在某些情况下,即使设置了适当的dc值,仍然难以从决策图中人为选择初始聚类中心.为克服这些缺陷,提出一种新的基于密度峰值的聚类算法.该算法首先根据K近邻的思想来确定数据点的局部密度,然后提出一种新的自适应聚合策略,即首先通过算法给出阈值判断初始类簇中心,然后依据离初始类簇中心最近分配剩余点,最后通过类簇间密度可达来合并相似类簇.在实验中,该算法在合成和实际数据集中的表现比DPC、DBSCAN、KNNDPC和K-means算法要好,能有效提高聚类准确率和质量.

关键词：密度峰、K近邻(KNN)、局部密度、合并策略、类簇间密度可达

所属期刊栏目：14

分类号：TP301.6(计算技术、计算机技术)

资助基金：The National Natural Science Foundation of China under Grant No. 61673193 国家自然科学基金;the Fundamental Research Fundsfor the Central Universities of China under Grant Nos. JUSRP51635B, JUSRP51510 中央高校基本科研业务费专项资金

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9页

页码：712-720