文献类型：期刊文章

作　　者：杨洁[1,2] 王国胤[1] 庞紫玲[1]

机构地区：[1]重庆邮电大学计算智能重庆市重点实验室,重庆400065 [2]遵义师范学院物理与电子科学学院,遵义563002

出　　处：《南京大学学报（自然科学版）》

基　　金：国家自然科学基金(61572091);重庆市研究生科研创新项目(CYB16106);高端人才项目(RC2016005);省级重点学科(黔学位办[2013]18号)

年　　份：2017

卷　　号：53

期　　号：4

起止页码：791-801

语　　种：中文

收录情况：BDHX、BDHX2014、CAS、CSCD、CSCD2017_2018、JST、MR、RCCSE、ZGKJHX、ZMATH、核心刊

摘　　要：相对于其他的密度聚类算法,密度峰值聚类(Density Peaks Clustering,DPC)算法思想简洁新颖,所需参数少,不需要进行迭代求解,而且具有可扩展性.但是,DPC仍然具有一定缺陷,例如存在截断阈值dc的定义模糊以及选取中心点失效等问题.在阐述了DPC的算法思想和原理的基础上,分析了DPC算法的缺陷,然后从多个改进的角度对其相关研究工作进行了综述.通过分析DPC与相关理论(数据场、图论、粒计算等)的联系,针对密度峰值的缺点,提出了基于粒计算的DPC算法改进框架,其中包括由细到粗、由细到粗和双向变粒度这三种机制以及基于网格粒化的密度峰值算法框架.最后对DPC今后的研究工作进行了展望,包括动态密度峰值聚类、利用密度峰值研究网络拓扑、处理复杂任务以及改进其他聚类等,希望为DPC的进一步研究提供新思想.

关 键 词：密度聚类 密度峰值  粒计算 图论

分 类 号：TP311]