一种基于共享近邻的密度峰值聚类算法

• 作者: 刘奕志 梁永全 程汝峰
• 来源期刊: 计算机科学
• 学科: 工学
• 关键词: 聚类 共享近邻 相似性度量 密度峰值
• 年，卷（期）: 2018,（2）
• 所属期刊栏目: 第六届全国智能信息处理学术会议
• 页码范围: 125-129,146
• 页数: 6页
• 分类号: TP391
• 字数: 5911字
• 语种: 中文
• DOI: 10.11896/j.issn.1002-137X.2018.02.022

摘要

基于加权K近邻的密度峰值发现算法(FKNN-DPC)是一种简单、高效的聚类算法,能够自动发现簇中心,并采用加权K近邻的思想快速、准确地完成对非簇中心样本的分配,在各种规模、任意维度、任意形状的数据集上都能得到高质量的聚类结果,但其样本分配策略中的权重仅考虑了样本间的欧氏距离.文中提出了一种基于共享近邻的相似度度量方式,并以此相似度改进样本分配策略,使得样本的分配更符合真实的簇归属情况,从而提高聚类质量.在UCI真实数据集上进行实验,并将所提算法与K-means,DBSCAN,AP,DPC,FKNN-DPC等算法进行对比,验证了其有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	梁永全	山东科技大学计算机科学与工程学院	82	678	15.0	21.0
2	刘奕志	山东科技大学计算机科学与工程学院	2	1	1.0	1.0
3	程汝峰		1	0	0.0	0.0