文献类型：期刊文章

作　　者：钱雪忠[1] 金辉[1]

QIAN Xuezhong;JIN Hui(Engineering Research Center of Internet of Things Technology Applications,Ministry of Education,School of Internet of Things Engineering,Jiangnan University,Wuxi,Jiangsu 214122,China)

机构地区：[1]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

出　　处：《计算机科学与探索》

基　　金：国家自然科学基金No.61673193;中央高校基本科研业务费专项资金Nos.JUSRP51635B,JUSRP51510。

年　　份：2020

卷　　号：14

期　　号：4

起止页码：712-720

语　　种：中文

收录情况：BDHX、BDHX2017、CSA、CSA-PROQEUST、CSCD、CSCD2019_2020、IC、JST、ZGKJHX、核心刊

摘　　要：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。

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  

分 类 号：TP301.6]