一种改进的搜索密度峰值的聚类算法

• 作者: 刘冲 淦文燕
• 来源期刊: 智能系统学报
• 学科: 工学
• 关键词: 数据挖掘 聚类算法 核密度估计 熵
• 年，卷（期）: 2017,（2）
• 页码范围: 229-236
• 页数: 8页
• 分类号: TP311
• 字数: 5333字
• 语种: 中文
• DOI: 10.11992/tis.201512036

摘要

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.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	淦文燕	解放军理工大学指挥信息系统学院	10	139	7.0	10.0
2	刘冲	解放军理工大学指挥信息系统学院	1	12	1.0	1.0