一种改进的基于核密度估计的DPC算法

• 作者: 仇上正 张曦煌
• 来源期刊: 计算机应用与软件
• 学科: 工学
• 关键词: 概率密度估计 核密度估计 类簇中心 聚类
• 年，卷（期）: 2017,（12）
• 所属期刊栏目: 算法
• 页码范围: 278-282
• 页数: 5页
• 分类号: TP391
• 字数: 3462字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-386x.2017.12.053

摘要

快速搜索和找到密度峰DPC(clustering by fast search and find of density peaks)的聚类是一种新颖的算法,它通过找到密度峰来有效地发现聚类的中心.DPC算法的精度取决于对给定数据集的密度的精确估计以及对截止距离dc(cutoff distance)的选择.dc主要是用于计算每个数据点的密度和识别集群中的边界点,而DPC算法中dc的估计值却主要取决于主观经验值.提出一种基于核密度估计的DPC方法(KDE-DPC)来确定最合适的dc值.该方法通过引用一种新的Solve-the-Equation方法进行窗宽优化,根据不同数据集的概率分布,计算出最适合的dc.标准聚类基准数据集的实验结果证实了所提出的方法优越于DPC算法以及经典的K-means算法、DB-SCAN算法和AP算法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张曦煌	江南大学物联网工程学院	134	1137	14.0	27.0
2	仇上正	江南大学物联网工程学院	1	4	1.0	1.0