基于K近邻的模糊密度峰值聚类算法研究

• 作者: 支元 李忠
• 来源期刊: 软件
• 学科: 工学
• 关键词: 数据挖掘 聚类算法 密度峰值 K近邻
• 年，卷（期）: 2017,（4）
• 所属期刊栏目: 基金项目论文
• 页码范围: 85-90
• 页数: 6页
• 分类号: TP301.6
• 字数: 5110字
• 语种: 中文
• DOI: 10.3969/j.issn.1003-6970.2017.04.015

摘要

基于密度的聚类算法(Density Peak Clustering,DPC)广泛使用在处理非球形数据集的聚类问题,算法使用较少的参数就能够实现数据集的处理.但该算法存在这样一些的不足:首先,全局变量的设定没有考虑数据的局部结构,特别是当不同类别的局部密度差别很大的情况下,容易忽略一些密度较小的类别,聚类效果不理想.其次,DPC提出了一种通过决策图来人工选取聚类中心点的方法,这也是DPC算法在人工智能数据分析的一个重大缺陷.为此,本文提出了基于K近邻的模糊密度峰值聚类算法,算法针对这两方面的不足进行了改进.最后本文使用人工数据集和UCI数据集进行了实验,实验结果表明本文所提出的算法,在不通过人工选取聚类中心的情况下,能够正确地找出类别个数,并且保持着较高的聚类精确度,验证了算法的有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李忠		15	31	5.0	5.0
2	支元		7	14	2.0	3.0