科研之友
微信
新浪微博
Facebook
分享链接
摘要
密度峰值聚类是一类具有代表性的聚类分析方法，但针对复杂数据集时，其聚类效果较差。论文利用数据对象的近邻信息，提出了一种密度峰值聚类分析算法。该算法首先采用数据对象的K近邻，计算数据对象局部密度，并通过与其K近邻的密度和距离的比值得到邻域密度比，重新定义了DPC密度计算方法，有效地解决了DPC截断距离dc在选择上的随意性；其次利用数据对象之间的相似性度量，结合影响空间、共享K近邻和密度比，给出了一种新的数据对象之间的相似性度量方法；然后利用数据对象的距离和密度相似的影响因素并与相似近邻结合，改进了FKNN-DPC分配策略。最后采用UCI数据集，实验验证了该算法具有良好的聚类簇效果。
- 单位
