一种基于动态局部密度和聚类结构的聚类算法

• 作者: 卢建云 张蔚 李林
• 来源期刊: 山东大学学报（工学版）
• 学科: 工学
• 关键词: 动态局部密度 泊松概率密度函数 逆k最近邻 聚类结构 决策图
• 年，卷（期）: 2022,（2）
• 所属期刊栏目: 机器学习与数据挖掘|Machine Learning & Data Mining
• 页码范围: 118-127
• 页数: 10页
• 分类号: TP391
• 语种: 中文
• DOI: 10.6040/j.issn.1672-3961.0.2021.310

摘要

为提高逆k最近邻在度量局部密度时的区分度,提出动态逆k最近邻概念.利用泊松概率密度函数拟合逆k最近邻分布,并计算累积动态逆k最近邻局部密度;基于动态局部密度对数据对象进行排序,利用逆k最近邻域扩展算法生成聚类结构;依据动态局部密度和欧式距离设计聚类决策图,根据决策图找出聚类结构中的类间间断点,利用间断点将聚类结构直接划分成独立的类簇.将本研究提出的聚类结构划分聚类(cluster structure partition clustering,CSPC)算法与DBSCAN、DPC和RNN-DBSCAN算法在人工和真实数据集上进行试验对比,CSCP在人工和真实数据集上的评价指标F1平均分别提高8.8％和8.2％,评价指标标准互信息平均分别提高11.6％和7.3％.试验结果表明CSPC算法取得了更好的聚类结果.