计算机科学与探索

作者：王大刚, 丁世飞, 钟锦

单位：1. 中国矿业大学 计算机科学与技术学院，江苏 徐州 2211162. 合肥师范学院 计算机学院，合肥 230601

关键词：密度峰值聚类,决策图,二阶[k]近邻,局部密度

密度峰值聚类（DPC）是近年来提出的一种新的密度聚类算法，算法的核心是基于局部密度和相对距离，通过画出决策图，人为选定聚类中心，进而完成聚类。DPC算法利用截断距离计算局部密度，本质上只考虑了周围近邻节点的数量，且算法采用单步分配策略，一定程度上限制了算法对任意数据集的计算精度和有效性。针对上述问题，提出基于二阶[k]近邻的密度峰值聚类算法（SODPC）。算法通过引入节点的二阶[k]近邻，计算直接密度和间接密度，重新定义局部密度的计算方式。在此基础上，定义非中心节点的多步骤分配策略完成聚类。通过人工和真实数据的测试，证明了该算法对不规则、密度不均匀的数据集具有较好的聚类效果。

来源：2021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2021年第8期