计算机科学与探索

作者：王威娜, 朱钰, 任艳

单位：1. 吉林化工学院 信息与控制工程学院，吉林 1320222. 沈阳航空航天大学 人工智能学院，沈阳 110136

关键词：聚类算法,密度峰值,相对局部密度,最近邻关系,分配策略

密度峰值算法在处理密度不均匀的数据时对中心点的选取不准确，并在样本分配时易产生连带错误，导致聚类效果不佳。针对上述问题，提出一种融合相对局部密度和最近邻关系的密度峰值聚类算法。在局部密度的定义中引入稀疏平和权重，提出相对局部密度的定义，根据相对局部密度寻找密度峰值，避免稀疏差异较大的数据集在选取密度峰值时出现的错误，确保中心点选择的正确性；针对分配策略，结合最邻近点准则和阈值限制，提出最近邻分配策略，根据阈值条件有效抑制分配连带错误；基于类内距离均值定义距离比例，提出修正分配策略，提升算法对边界点聚类的准确性。在5个合成数据集和5个UCI数据集上，将提出算法与DPC、DPC-MND、FKNN-DPC、DBSCAN、OPTICS、AP、K-means算法进行比较，实验结果表明，所提算法在调整互信息、调整兰德系数和Fowlkes-Mallows指数上均表现出良好的聚类效果，并通过Friedman检验表明该算法具有最优的性能。

来源：2023年第8期

《计算机科学与探索》期刊编辑部

查看计算机科学与探索杂志2023年第8期