K近邻相似度优化的密度峰聚类

• 作者: 朱庆峰 葛洪伟
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 聚类 密度峰 相似度 K近邻
• 年，卷（期）: 2019,（2）
• 所属期刊栏目: 模式识别与人工智能
• 页码范围: 148-153,252
• 页数: 7页
• 分类号: TP181
• 字数: 5067字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1710-0059

摘要

针对密度峰聚类分配时,仅考虑样本点与指向点(密度比它大的最近点)之间的距离,不适用于流形聚类(如Circleblock数据集、Lineblobs数据集等)的问题,提出了K近邻相似度优化的密度峰聚类算法.在计算每个点的密度与指向点后,通过相似度函数,找出每个点的K近邻,然后根据K近邻信息判断样本点的指向点是否正确,对于指向错误的点重新寻找正确的指向点,可以有效减少错误分配.在人工数据集和UCI数据集上的实验表明,新算法具有更高的准确率.