基于密度万有引力改进的引力峰值聚类算法

作者：陈金鹏; 安俊秀^*; 李睿熙

来源：山西大学学报(自然科学版), 2023, 46(05): 1064-1075.

DOI：10.13451/j.sxu.ns.2023012

• 聚类
• 万有引力
• 相互K近邻
• 相似性度量
• 相对局部密度
• 相对引力参数

针对密度峰值聚类算法（DPC）中存在的截断距离难以确定、局部密度定义单一的问题，本文提出了一种基于密度万有引力改进的引力峰值聚类算法（DG-DPC算法）。该算法使用相互K近邻的方法对相似性度量和局部密度进行了重新定义，然后将引力参数引入到DPC算法中，并通过新的相对局部密度与引力参数的倒数作出决策图选取簇中心，对数据集中的点进行分配。仿真实验表明，DG-DPC算法对于人工合成数据集和UCI数据集都有效，且准确率相对于基于相对密度优化的密度峰值聚类算法（RE-DPC算法）、DPC算法、基于间隙自动中心检测的密度峰值聚类算法（GAP-DPC算法）分别平均提高了31.07%、21.60%、17.20%。

• 单位
  成都信息工程大学; 四川大学锦城学院