一种连通合并优化的k近邻密度峰值聚类改进算法

• 作者: 廖丽敏 荣章权 王洋
• 来源期刊: 数字技术与应用
• 关键词: 聚类分析 密度峰值 连通 数据挖掘
• 年，卷（期）: 2021,（2）
• 所属期刊栏目: 算法分析
• 页码范围: 118-122
• 页数: 5页
• 分类号: TP311.13
• 语种: 中文
• DOI: 10.19695/j.cnki.cn12-1369.2021.02.38

摘要

针对经典的密度峰值聚类不适用于复杂分布的数据集,且聚类中心需要人为选择的问题.本文提出一种连通合并优化的k近邻密度峰值聚类改进算法,采用数据本身的统计量作为衡量数据连通的标准,利用数据连通概念进行聚类过程.本算法首先计算每个点的特征参数,再计算连通阈值,最后根据中心影响力选取聚类中心,将与其连通的数据点全部归入一类.在不引入新的人为参数的前提下,实现了自动选取聚类中心的功能,且明显改善了密度峰值聚类在复杂数据分布情况下的性能,经过测试新算法在复杂分布的数据集上具有更高的准确率.