10.11772/j.issn.1001-9081.2020071071
自动确定聚类中心的比较密度峰值聚类算法
针对密度峰值聚类算法(DPC)不能自动确定聚类中心,并且聚类中心点与非聚类中心点在决策图上的显示不够明显的问题,设计了一种自动确定聚类中心的比较密度峰值聚类算法(ACPC).该算法首先利用距离的比较量来代替原距离参数,使潜在的聚类中心在决策图中更加突出;然后通过二维区间估计方法进行对聚类中心的自动选取,从而实现聚类过程的自动化.仿真实验结果表明,在4个合成数据集上ACPC取得了更好的聚类效果;而在真实数据集上的Accuracy指标对比表明,在Iris数据集上,ACPC聚类结果可达到94%,与传统的DPC算法相比提高了27.3%,ACPC解决了交互式选取聚类中心的问题.
聚类分析、密度聚类、密度峰值、聚类中心、统计分析
41
TP181(自动化基础理论)
山东省自然科学基金资助项目ZR2017MD003
2021-03-25(万方平台首次上网日期,不代表论文的发表时间)
共7页
738-744