基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
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。针对密度峰聚类算法需要人工确定聚类中心的缺陷,提出了一种自动确定聚类中心的密度峰聚类算法。首先,计算每个数据点的局部密度和该点到具有更高密度数据点的最短距离;其次,根据排序图自动确定聚类中心;最后,将剩下的每个数据点分配到比其密度更高且距其最近的数据点所属的类别,并根据边界密度识别噪声点,得到聚类结果。将新算法与原密度峰算法进行对比,在人工数据集和UCI数据集上的实验表明,新算法不仅能够自动确定聚类中心,而且具有更高的准确率。
推荐文章
一种自动确定类个数的谱聚类算法
谱聚类
亲合矩阵
特征值
谱分解
类个数
自动确定聚类中心的势能聚类算法
聚类
基于势能的快速层次聚类(PHA)
势能聚类
自动确定聚类数目
自动确定聚类中心的密度峰值算法
密度峰值
聚类
簇中心点
基尼指数
自动确定聚类中心的移动时间势能聚类算法
聚 类
TTHC
移动时间
自动确定聚类数目
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 自动确定聚类中心的密度峰聚类
来源期刊 计算机科学与探索 学科 工学
关键词 聚类 密度峰 自动聚类 密度聚类
年,卷(期) 2016,(11) 所属期刊栏目 人工智能与模式识别
研究方向 页码范围 1615-1623
页数 9页 分类号 TP181
字数 4738字 语种 中文
DOI 10.3778/j.issn.1673-9418.1510049
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 葛洪伟 江南大学物联网工程学院 86 456 11.0 17.0
3 李涛 江南大学物联网工程学院 9 49 4.0 7.0
6 苏树智 江南大学物联网工程学院 7 53 4.0 7.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (44)
共引文献  (121)
参考文献  (11)
节点文献
引证文献  (20)
同被引文献  (68)
二级引证文献  (15)
1973(1)
  • 参考文献(0)
  • 二级参考文献(1)
1992(1)
  • 参考文献(0)
  • 二级参考文献(1)
1993(1)
  • 参考文献(0)
  • 二级参考文献(1)
1998(1)
  • 参考文献(0)
  • 二级参考文献(1)
1999(1)
  • 参考文献(1)
  • 二级参考文献(0)
2000(2)
  • 参考文献(0)
  • 二级参考文献(2)
2003(3)
  • 参考文献(0)
  • 二级参考文献(3)
2004(2)
  • 参考文献(0)
  • 二级参考文献(2)
2005(6)
  • 参考文献(2)
  • 二级参考文献(4)
2006(5)
  • 参考文献(0)
  • 二级参考文献(5)
2007(2)
  • 参考文献(0)
  • 二级参考文献(2)
2008(3)
  • 参考文献(1)
  • 二级参考文献(2)
2009(4)
  • 参考文献(1)
  • 二级参考文献(3)
2010(6)
  • 参考文献(2)
  • 二级参考文献(4)
2011(8)
  • 参考文献(1)
  • 二级参考文献(7)
2012(2)
  • 参考文献(1)
  • 二级参考文献(1)
2013(2)
  • 参考文献(0)
  • 二级参考文献(2)
2014(5)
  • 参考文献(2)
  • 二级参考文献(3)
2016(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2018(11)
  • 引证文献(9)
  • 二级引证文献(2)
2019(14)
  • 引证文献(8)
  • 二级引证文献(6)
2020(10)
  • 引证文献(3)
  • 二级引证文献(7)
研究主题发展历程
节点文献
聚类
密度峰
自动聚类
密度聚类
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
计算机科学与探索
月刊
1673-9418
11-5602/TP
大16开
北京市海淀区北四环中路211号北京619信箱26分箱
82-560
2007
chi
出版文献量(篇)
2215
总下载数(次)
4
总被引数(次)
10748
论文1v1指导