科研之友
微信
新浪微博
Facebook
分享链接
摘要
密度峰值算法在处理密度不均匀的数据时对中心点的选取不准确，并在样本分配时易产生连带错误，导致聚类效果不佳。针对上述问题，提出一种融合相对局部密度和最近邻关系的密度峰值聚类算法。在局部密度的定义中引入稀疏平和权重，提出相对局部密度的定义，根据相对局部密度寻找密度峰值，避免稀疏差异较大的数据集在选取密度峰值时出现的错误，确保中心点选择的正确性；针对分配策略，结合最邻近点准则和阈值限制，提出最近邻分配策略，根据阈值条件有效抑制分配连带错误；基于类内距离均值定义距离比例，提出修正分配策略，提升算法对边界点聚类的准确性。在5个合成数据集和5个UCI数据集上，将提出算法与DPC、DPC-MND、FKNN-DPC、DBSCAN、OPTICS、AP、K-means算法进行比较，实验结果表明，所提算法在调整互信息、调整兰德系数和Fowlkes-Mallows指数上均表现出良好的聚类效果，并通过Friedman检验表明该算法具有最优的性能。
-
单位吉林化工学院; 沈阳航空航天大学
