基于随机游走的密度峰值聚类算法

作者：占志文; 刘君^*

来源：南昌大学学报(工科版), 2022, 44(02): 183-191.

DOI：10.13764/j.cnki.ncdg.2022.02.008

• 密度峰值
• 聚类
• 随机游走

密度峰值聚类算法(DPC)是近年来提出的一种新的密度聚类算法，其核心基于局部密度和相对距离。该算法在定义局部密度以及相对距离时直接用欧式距离，导致在一些稀疏差异大及长弧形的类簇聚类效果差，且一步分配策略的鲁棒性不佳。提出基于随机游走的密度峰值聚类算法(RW-DPC),即引入随机游走首次到达模型来刻画数据点之间的相似性，重新定义数据点的局部密度，且给出一种新的样本分配策略。对比在人工数据集和UCI真实数据集上与其他聚类算法的实验结果，说明对于密度不均匀及弧形类的数据集，本文算法的聚类效果优于密度峰值聚类算法以及其他算法。