-
题名面向混合数据的对称邻域和微簇合并密度峰值聚类算法
- 1
-
-
作者
陈威
吕莉
肖人彬
谭德坤
潘正祥
-
机构
南昌工程学院信息工程学院
南昌工程学院南昌市智慧城市物联感知与协同计算重点实验室
华中科技大学人工智能与自动化学院
山东科技大学计算机科学与工程学院
-
出处
《智能系统学报》
北大核心
2025年第1期172-184,共13页
-
基金
国家自然科学基金项目(62066030)
江西省教育厅科技项目(GJJ190958).
-
文摘
混合数据是指包含密度分布不均和流形特征的数据集。密度峰值聚类算法局部密度定义方式易忽略密度分布不均数据集类簇间样本的疏密差异,导致误选聚类中心;分配策略依据欧氏距离进行样本分配,不适用于流形数据集同一类簇样本相距较远的情况,致使样本被错误分配。针对这些问题,本文提出一种面向混合数据的对称邻域和微簇合并密度峰值聚类算法。该算法引入对称邻域概念,采用对数倒数累加方法重新定义局部密度,有效提升了聚类中心的识别度;同时,提出了一种基于密度差的微簇个数选取方法,使微簇个数的选取处于合理范围;此外,设计了一种微簇间相似性度量方法进行微簇合并,避免了分配时产生的连带错误。实验表明,相较于对比算法,本文算法在混合数据集、UCI数据集和图像数据集上均取得较好的聚类效果。
-
关键词
密度峰值聚类
密度分布不均
流形数据
K近邻
逆近邻
对称邻域
微簇间相似性
微簇合并
-
Keywords
density peaks clustering
uneven density
manifold data
K near neighbour
inverse close neighbor
symmetric neighborhood
similarity between micro-clusters
micro-cluster merging
-
分类号
TP301
[自动化与计算机技术—计算机系统结构]
-
