基于真实核心点的密度聚类方法

• 作者: 刘昶 周晓锋 张涛 李帅
• 来源期刊: 计算机应用研究
• 关键词: 密度聚类 模糊边界点 核心点 合并
• 年，卷（期）: 2018,（12）
• 所属期刊栏目: 算法研究探讨
• 页码范围: 3564-3568
• 页数: 5页
• 分类号: TP391
• 语种: 中文
• DOI: 10.3969/j.issn.1001-3695.2018.12.010

摘要

针对目前聚类算法不能有效地处理模糊边界点的问题,提出了一种基于真实核心点的RDBSCAN聚类算法.提出真实核心点的概念,首先在密度聚类过程中的核心点进一步处理分类,把影响聚类效果的伪核心点剔除,将剩下的真实核心点根据密度可达原则进行聚类;然后提出密度合并判定定理:相同类簇内点的真实密度远大于不同类簇的点,以此为指导判断真实核心点的真实密度,使类簇内各点的相似性更大.通过人工数据集与UCI数据集聚类实验可看出,RDBSCAN算法降低了模糊边界点的干扰,而且出现了若干新颖的类簇分类,在密度不规则的数据集中聚类更加准确.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张涛	中国科学院沈阳自动化研究所	473	4174	31.0	44.0
10	周晓锋	中国科学院沈阳自动化研究所	19	174	7.0	13.0
14	刘昶	中国科学院沈阳自动化研究所	26	201	10.0	13.0