针对密度峰值聚类算法需要人工设置参数、时间复杂度高的问题，提出了基于快速密度峰值聚类离群因子的离群点检测算法。首先，使用k近邻算法代替密度峰值聚类中的密度估计，采用KD-Tree索引数据结构计算数据对象的k近邻；然后，采用密度和距离乘积的方式自动选取聚类中心。此外，定义了向心相对距离、快速密度峰值聚类离群因子来刻画数据对象的离群程度。在人工数据集和真实数据集上对所提算法进行实验验证，并与一些经典和新颖的算法进行对比实验，从正确性和时间效率上验证了所提算法的有效性。
科研之友
微信
新浪微博
Facebook
分享链接
