基于CDbw和人工蜂群优化的密度峰值聚类算法

作者：姜建华; 吴迪; 郝德浩; 王丽敏; 张永刚; 李克勤^*

来源：吉林大学学报(理学版), 2018, 56(06): 1469-1475.

DOI：10.13413/j.cnki.jdxblxb.2018.06.30

• 聚类分析
• CDbw评价指标
• 密度峰值
• 密度聚类
• 人工蜂群算法

针对密度峰值聚类(DPC)算法存在的dc值难选择及近邻原则聚合操作在低密度区效果不佳的问题,提出一种基于人工蜂群与CDbw聚类指标优化的密度峰值聚类(BeeDPC)算法,以实现类簇间数据点的自动识别和合理聚类,并解决DPC对类簇间数据点类别识别上存在的缺陷.实验结果表明,BeeDPC算法具有自动识别并合理聚类类簇间数据点、自动识别类簇中心点和类簇数量及自动处理任意分布数据集的优势.

• 单位
  吉林财经大学; 吉林大学