自动确定聚类中心的比较密度峰值聚类算法

• 作者: 郭佳 韩李涛 孙宪龙 周丽娟
• 来源期刊: 计算机应用
• 关键词: 聚类分析 密度聚类 密度峰值 聚类中心 统计分析
• 年，卷（期）: 2021,（3）
• 所属期刊栏目: 数据科学与技术|Data science and technology
• 页码范围: 738-744
• 页数: 7页
• 分类号: TP181
• 语种: 中文
• DOI: 10.11772/j.issn.1001-9081.2020071071

摘要

针对密度峰值聚类算法(DPC)不能自动确定聚类中心,并且聚类中心点与非聚类中心点在决策图上的显示不够明显的问题,设计了一种自动确定聚类中心的比较密度峰值聚类算法(ACPC).该算法首先利用距离的比较量来代替原距离参数,使潜在的聚类中心在决策图中更加突出;然后通过二维区间估计方法进行对聚类中心的自动选取,从而实现聚类过程的自动化.仿真实验结果表明,在4个合成数据集上ACPC取得了更好的聚类效果;而在真实数据集上的Accuracy指标对比表明,在Iris数据集上,ACPC聚类结果可达到94％,与传统的DPC算法相比提高了27.3％,ACPC解决了交互式选取聚类中心的问题.