高鲁棒性的改进最小生成树聚类算法

• 作者: 李云帆 陈禹铭 文峰
• 来源期刊: 电子世界
• 年，卷（期）: 2021,（13）
• 所属期刊栏目: 探索与观察
• 页码范围: 30-31
• 页数: 2页
• 语种: 中文

摘要

聚类是一种应用广泛的无监督学习任务,目前的主流聚类方法种类繁多,但在实际应用中需要根据数据分布和具体要求选择聚类方法或设定超参数,十分不便.针对这一问题,提出了一种改进的最小生成树聚类算法,该算法通过充分利用簇规模信息,增强了其抗噪声的能力,同时可以处理不同形状、不同密度的簇.这种方法只需要设定聚类簇数一个超参数,此外还有易于实现、可解释性强等优点.实验结果表明,该改进算法具有更强的鲁棒性,在多种测试集上的聚类效果明显优于其他传统方法,并在图像分割应用上仍有着优秀的表现.