基于CDbw和人工蜂群优化的密度峰值聚类算法

• 作者: 吴迪 姜建华 张永刚 李克勤 王丽敏 郝德浩
• 来源期刊: 吉林大学学报（理学版）
• 学科: 工学
• 关键词: 聚类分析 CDbw评价指标 密度峰值 密度聚类 人工蜂群算法
• 年，卷（期）: 2018,（6）
• 所属期刊栏目: 计算机科学
• 页码范围: 1469-1475
• 页数: 7页
• 分类号: TP312
• 字数: 4408字
• 语种: 中文
• DOI: 10.13413/j.cnki.jdxblxb.2018.06.30

摘要

针对密度峰值聚类(DPC)算法存在的dc值难选择及近邻原则聚合操作在低密度区效果不佳的问题,提出一种基于人工蜂群与CDbw聚类指标优化的密度峰值聚类(BeeDPC)算法,以实现类簇间数据点的自动识别和合理聚类,并解决DPC对类簇间数据点类别识别上存在的缺陷.实验结果表明,BeeDPC算法具有自动识别并合理聚类类簇间数据点、自动识别类簇中心点和类簇数量及自动处理任意分布数据集的优势.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张永刚	吉林大学符号计算与知识工程教育部重点实验室	35	296	9.0	16.0
2	李克勤	纽约州立大学计算机系	1	3	1.0	1.0