计算机科学与探索

作者：钱雪忠，金辉

单位：江南大学 物联网工程学院 物联网技术应用教育部工程研究中心，江苏 无锡 214122

关键词：密度峰,[K]近邻（KNN）,局部密度,合并策略,类簇间密度可达

针对密度峰值聚类算法受人为干预影响较大和参数敏感的问题，即不正确的截断距离[dc]会导致错误的初始聚类中心，而且在某些情况下，即使设置了适当的[dc]值，仍然难以从决策图中人为选择初始聚类中心。为克服这些缺陷，提出一种新的基于密度峰值的聚类算法。该算法首先根据[K]近邻的思想来确定数据点的局部密度，然后提出一种新的自适应聚合策略，即首先通过算法给出阈值判断初始类簇中心，然后依据离初始类簇中心最近分配剩余点，最后通过类簇间密度可达来合并相似类簇。在实验中，该算法在合成和实际数据集中的表现比DPC、DBSCAN、[KNNDPC]和K-means算法要好，能有效提高聚类准确率和质量。

来源：2020年第4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2020年第4期