基于密度自适应距离的密度峰聚类
密度峰聚类是一种新的基于密度的聚类算法,该算法不需要预先指定聚类数目,能够发现非球形簇.针对基于欧氏距离的密度峰聚类算法无法有效处理复杂结构数据集的缺陷,提出了基于密度自适应距离的密度峰聚类算法:首先,基于欧氏距离和自适应相似度计算密度自适应距离,包括局部密度自适应距离和全局密度自适应距离,以更好地描述数据空间分布结构;其次,将密度自适应距离应用到密度峰聚类算法中,得到新算法.在人工数据集和UCI真实数据集上的实验表明,新算法不仅能够有效处理复杂结构数据集,而且具有更高的准确率.
聚类、密度峰聚类、自适应相似度、密度自适应距离
38
TP301(计算技术、计算机技术)
国家自然科学基金项目61402203;江苏省普通高校研究生科研创新计划项目KYLX15_1169;江苏高校优势学科建设工程项目资助
2017-08-04(万方平台首次上网日期,不代表论文的发表时间)
共6页
1347-1352