基于密度二分法的密度峰值聚类方法

• 作者: 张萍 林耀海 许朝阳
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 密度峰值聚类 密度二分法 决策图 高密度点
• 年，卷（期）: 2018,（12）
• 所属期刊栏目: 模式识别与人工智能
• 页码范围: 138-145
• 页数: 8页
• 分类号: TP183
• 字数: 6360字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1710-0034

摘要

密度峰值聚类(DPC)方法能够快速地对数据进行聚类,而不管它们的形状和包含它们的空间的维数,近年来得到广泛研究和应用.然而,当各个聚类中心的密度的差异较大,或者同一个类中包含多个密度中心时,DPC计算效果受到影响.针对于此,提出了基于密度二分法的密度峰值聚类方法.首先,求出全部数据平均密度,将数据分为高密度点和低密度点,然后,根据高密度的点的决策图识别出聚类中心后,根据是否存在可达距离的数据点对同类的聚类中心实现合并.最后,根据提出的分配策略,使高密度点和低密度点都分配到合适的聚类中心,从而实现聚类.在多个合成及实际数据集上的实验表明,该方法的聚类效果明显优于已有的DPC方法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张萍	莆田学院信息工程学院	13	27	3.0	4.0
2	林耀海	福建农林大学计算机与信息学院	24	114	5.0	10.0
3	许朝阳	莆田学院信息工程学院	11	21	3.0	4.0