基于过滤模型的聚类算法

摘要：

合理的聚类原型是正确聚类的前提.针对现有聚类算法原型选取不合理、计算聚类个数存在偏差等问题,提出基于过滤模型的聚类算法(CA-FM).算法以提出的过滤模型去除干扰聚类过程的边界和噪声对象,依据核心对象之间的近邻关系生成邻接矩阵,通过遍历矩阵计算聚类个数;然后,按密度因子将数据对象排序,从中选出聚类原型;最后,将其余对象按照距高密度对象的最小距离划分到相应的簇中,形成最终聚类.在人工合成数据集、UCI数据集以及人脸识别数据集上的实验结果验证了算法的有效性,与同类算法相比,CA-FM算法具有较高的聚类精度.

关键词：聚类算法、过滤模型、偏差因子、聚类原型、局部密度、密度因子

所属期刊栏目：35

分类号：TP273(自动化技术及设备)

资助基金：河南省基础与前沿技术研究项目152300410191

在线出版日期：2020-04-10（万方平台首次上网日期，不代表论文的发表时间）

页数：共11页

页码：1091-1101