融合相对密度和最近邻关系的密度峰值聚类

摘要：

密度峰值算法在处理密度不均匀的数据时对中心点的选取不准确,并在样本分配时易产生连带错误,导致聚类效果不佳.针对上述问题,提出一种融合相对局部密度和最近邻关系的密度峰值聚类算法.在局部密度的定义中引入稀疏平和权重,提出相对局部密度的定义,根据相对局部密度寻找密度峰值,避免稀疏差异较大的数据集在选取密度峰值时出现的错误,确保中心点选择的正确性;针对分配策略,结合最邻近点准则和阈值限制,提出最近邻分配策略,根据阈值条件有效抑制分配连带错误;基于类内距离均值定义距离比例,提出修正分配策略,提升算法对边界点聚类的准确性.在5个合成数据集和5个UCI数据集上,将提出算法与DPC、DPC-MND、FKNN-DPC、DBSCAN、OPTICS、AP、K-means算法进行比较,实验结果表明,所提算法在调整互信息、调整兰德系数和Fowlkes-Mallows指数上均表现出良好的聚类效果,并通过Friedman检验表明该算法具有最优的性能.

关键词：聚类算法、密度峰值、相对局部密度、最近邻关系、分配策略

所属期刊栏目：17

分类号：TP301(计算技术、计算机技术)

在线出版日期：2023-08-15（万方平台首次上网日期，不代表论文的发表时间）

页数：共14页

页码：1879-1892