文献类型：期刊文章

作　　者：杨洁[1,2] 王国胤[1] 王飞[1]

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

出　　处：《计算机应用》

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

年　　份：2017

卷　　号：37

期　　号：11

起止页码：3080-3084

语　　种：中文

收录情况：AJ、BDHX、BDHX2014、CSCD、CSCD_E2017_2018、IC、JST、RCCSE、ZGKJHX、ZMATH、核心刊

摘　　要：2014年提出的密度峰值聚类算法,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。基于密度峰值聚类算法提出了一种网格聚类算法,能够高效地对大规模数据进行处理。首先,将N维空间粒化为不相交的长方形网格单元;然后,统计单元空间的信息,利用密度峰值聚类寻找中心点的思想确定中心单元,即中心网格单元被一些低局部密度的数据单元包围,而且与比自身局部密度高的网格单元的距离相对较大;最后,合并与中心网格单元相近网格单元,从而得出聚类结果。在UCI人工数据集上的仿真实验结果表明,所提算法能够较快得出聚类中心,有效处理大规模数据的聚类问题,具有较高的效率,与原始的密度峰值聚类算法相比,在不同数据集上时间损耗降低至原来的1/100~1/10,而精度损失维持在5%~8%。

关 键 词：密度峰值  网格粒化  大规模数据 聚类

分 类 号：TP311]