一种改进的搜索密度峰值的聚类算法

作者：淦文燕; 刘冲

来源：智能系统学报, 2017, 12(02): 229-236.

• 数据挖掘
• 聚类算法
• 核密度估计
• 熵

聚类是大数据分析与数据挖掘的基础问题。刊登在2014年《Science》杂志上的文章《Clustering by fast search and find of density peaks》提出一种快速搜索密度峰值的聚类算法,算法简单实用,但聚类结果依赖于参数dc的经验选择。论文提出一种改进的搜索密度峰值的聚类算法,引入密度估计熵自适应优化算法参数。对比实验结果表明,改进方法不仅可以较好地解决原算法的参数人为确定的不足,而且具有相对更好的聚类性能。

• 单位
  解放军理工大学