基于高斯核优化的密度峰值聚类算法

• 作者: 王舰
• 来源期刊: 电脑知识与技术:学术版
• 学科: 工学
• 关键词: 密度峰值聚类 簇内统计量 高斯核 边界约束
• 年，卷（期）: 2020,（28）
• 页码范围: 192-194
• 页数: 3页
• 分类号: TP391文献标识码:A

摘要

DPC算法在处理紧密相邻的团形簇时,对于簇间样本点分配效果不佳,同时DPC算法对于团形簇由密集到稀疏的渐变区域,即边界点和噪音点的划分也存在着缺陷。针对这两个问题,本文提出基于高斯核优化的密度峰值聚类算法(Gauss-DPC)。Gauss-DPC算法在DPC聚类算法快速发现簇中心的基础之上,通过计算簇内样本点到簇中心距离的统计量,利用统计量构建高斯判别式,使用高斯判别式进行簇间样本点的分配,最后引入高斯约束来区分簇边界点和噪声点。通过实验证明了Gauss-DPC算法具有更好的聚类效果,而且Gauss-DPC可以动态的控制簇的边界范围。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王舰		2	0	0.0	0.0