一种改进的搜索密度峰值的聚类算法
聚类是大数据分析与数据挖掘的基础问题.刊登在2014年《Science》杂志上的文章《Clustering by fast search and find of density peaks》提出一种快速搜索密度峰值的聚类算法,算法简单实用,但聚类结果依赖于参数dc的经验选择.论文提出一种改进的搜索密度峰值的聚类算法,引入密度估计熵自适应优化算法参数.对比实验结果表明,改进方法不仅可以较好地解决原算法的参数人为确定的不足,而且具有相对更好的聚类性能.
数据挖掘、聚类算法、核密度估计、熵
12
TP311(计算技术、计算机技术)
国家自然科学基金项目60974086
2017-06-12(万方平台首次上网日期,不代表论文的发表时间)
共8页
229-236