-
题名反距离加权和微簇合并的密度峰值聚类算法
- 1
-
-
作者
范强
吕莉
邱日轩
崔希
张宸源
樊棠怀
-
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
国网江西省电力有限公司信息通信分公司
江西江投能源技术研究有限公司
江西神舟信息安全评估中心有限公司
-
出处
《南昌工程学院学报》
2024年第6期43-50,90,共9页
-
基金
江西省重点研发计划一般项目(20203BBGL73225)。
-
文摘
密度峰值聚类算法不需要进行复杂的迭代计算,具有高的计算效率。但在聚类流形数据时,不能准确找到聚类中心且分配剩余样本时易引发样本的连续误分配。针对上述缺陷,提出了一种基于反距离加权和微簇合并的密度峰值聚类(DPC-IDW-MCM)算法。该算法结合样本的K近邻信息计算近邻密度,再引入反距离加权系数重新定义样本的局部密度,能更好地适应流形数据的结构特征,使算法更准确地找到类簇中心;同时定义微簇间相似性度量准则,将相似性高的微簇合并为类簇,有效避免了样本的误分配。将DPC-IDW-MCM算法与5种聚类算法在流形数据集和UCI数据集上进行了对比实验。实验结果表明,DPC-IDW-MCM算法在综合性能方面优于上述5种对比算法。
-
关键词
聚类
流形数据
反距离加权
局部密度
微簇合并
-
Keywords
clustering
manifold data
inverse distance weighting
local density
micro cluster merging
-
分类号
TP301.6
[自动化与计算机技术—计算机系统结构]
-
