一种改进节点凝聚度的密度峰值聚类算法

摘要：

针对密度峰值聚类算法(Density Peak Clustering,DPC)在密度分布不均匀及同一个簇有多个高密度点的数据集中难以准确选取聚类中心的情况,提出一种改进节点凝聚度的密度峰值聚类算法.先将数据转化为一个加权的完全图.其次,引入改进后的节点凝聚度的思想构建节点重要度的评价函数,并计算网络中每个节点的局部重要度,聚类中心为局部重要度最高的节点并且与重要度大于该聚类中心重要度的点具有较大距离.然后,对节点重要度进行排序,比较选取节点重要度与距离乘积值异常大的点作为类簇中心.最后,利用所提出的算法和其他密度峰值聚类算法比较,在人工数据集和真实数据集上的实验仿真表明,该算法能够找到具有更高精度的聚类中心,从而可以实现更高的性能.

关键词：加权完全图、关键词、凝聚度、节点收缩

所属期刊栏目：41

分类号：TP301(计算技术、计算机技术)

资助基金：国家自然科学基金项目61762057,61662043

在线出版日期：2020-07-17（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：1427-1432