利用一维投影分析的无参数多密度聚类算法

• 作者: 叶东毅 钱美旋
• 来源期刊: 小型微型计算机系统
• 学科: 工学
• 关键词: 投影分析 高斯核密度估计 无参数多密度聚类 DBSCAN
• 年，卷（期）: 2013,（8）
• 所属期刊栏目: 人工智能与算法研究
• 页码范围: 1866-1871
• 页数: 6页
• 分类号: TP18
• 字数: 6985字
• 语种: 中文

摘要

针对DBSCAN(Density Based Spatial Clustering of Applications with Noise)算法对参数敏感且无法适用于多密度数据集聚类的缺点,提出一种改进的基于一维投影分析的无参数多密度聚类算法PFMDBSCAN(Parameter Free Multi-Density Clustering Using One-dimensional Projection Analysis).算法首先对数据集进行一维投影,并对投影后的数据进行高斯核密度估计,据此采用极值策略得到多个局部密度估计值,将每个局部密度估计值转换为参数后依次调用DBSCAN进行聚类,最终得到完整的聚类结果.该算法达到了聚类无参数化且能适用于多密度的目标.实验表明,本文提出的无参数算法对单密度和多密度数据集都有较好的聚类效果,能适用于任意形状、任意密度的数据集,且具有较强的抗噪性.与近期文献中提出的无参数多密度聚类算法APSCAN相比,不仅聚类效果更好,且计算复杂性更低.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	叶东毅	福州大学数学与计算机学院	112	1572	18.0	36.0
2	钱美旋	福州大学数学与计算机学院	1	13	1.0	1.0