基于模糊邻域的比较密度峰值算法

• 作者: 李昕 雷迎科
• 来源期刊: 信号处理
• 学科: 工学
• 关键词: 无监督机器学习 密度峰值聚类算法 模糊聚类算法 比较距离
• 年，卷（期）: 2019,（11）
• 所属期刊栏目: 短文与研究通讯
• 页码范围: 1919-1928
• 页数: 10页
• 分类号: TP181
• 字数: 5756字
• 语种: 中文
• DOI: 10.16798/j.issn.1003-0530.2019.11.018

摘要

聚类作为机器学习中一种重要的无监督学习方式,在图像处理及生物基因分类上具有广泛的应用.快速密度峰搜索与聚类算法(DPC)提出通过寻找密度峰对数据进行分类,它既不需要迭代过程,也不需要人工输入太多参数.但在球形数据集上,DPC算法聚类效果不好,容易忽略潜在的聚类中心,需要人工参与聚类中心选取.针对上述问题,本文采用模糊邻域关系计算数据密度,采用比较距离代替DPC算法中的相对距离.通过对机器学习数据集的实验,将本文提出的算法同DBSCN、OPTICS、DPC在准确率和调整兰德系数上进行比较.实验结果表明本文提出的算法可行有效.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	雷迎科	国防科技大学电子对抗学院	23	18	2.0	3.0
2	李昕	国防科技大学电子对抗学院	4	0	0.0	0.0