文献类型：期刊文章

作　　者：金辉[1] 钱雪忠[1]

JIN Hui;QIAN Xuezhong(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：2019

卷　　号：13

期　　号：4

起止页码：711-720

语　　种：中文

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

摘　　要：针对现有的基于密度的聚类算法存在参数敏感,处理非球面数据和复杂流形数据聚类效果差的问题,提出一种新的基于密度峰值的聚类算法。该算法首先根据自然最近邻居的概念确定数据点的局部密度,然后根据密度峰局部密度最高并且被稀疏区域分割来确定聚类中心,最后提出一种新的类簇间相似度概念来解决复杂流形问题。在实验中,该算法在合成和实际数据集中的表现比DPC(clustering by fast search and find of density peaks)、DBSCAN(density-based spatial clustering of applications with noise)和K-means算法要好,并且在非球面数据和复杂流形数据上的优越性特别大。

关 键 词：密度峰  自然最近邻居  局部密度  稀疏区域  类簇间相似度  

分 类 号：TP311.13]