K近邻和加权相似性的密度峰值聚类算法OA北大核心CSTPCD
Density peaks clustering algorithm with K-nearest neighbors and weighted similarity
密度峰值聚类算法的局部密度定义未考虑密度分布不均数据类簇间的样本密度差异影响,易导致误选类簇中心;其分配策略依据欧氏距离通过密度峰值进行链式分配,而流形数据通常有较多样本距离其密度峰值较远,导致大量本应属于同一个类簇的样本被错误分配给其他类簇,致使聚类精度不高.鉴于此,本文提出了一种K近邻和加权相似性的密度峰值聚类算法.该算法基于样本的K近邻信息重新定义了样本局部密度,此定义方式可以调节样本局部密度的大小,能够准确找到密度峰值;采用样本的共享最近…查看全部>>
赵嘉;陈磊;吴润秀;张波;韩龙哲
南昌工程学院信息工程学院,江西南昌330099南昌工程学院信息工程学院,江西南昌330099南昌工程学院信息工程学院,江西南昌330099全球能源互联网研究院有限公司,江苏南京210003南昌工程学院信息工程学院,江西南昌330099
密度峰值聚类局部密度K近邻共享最近邻自然最近邻
《控制理论与应用》 2022 (12)
面向信息中心5G网络的自适应边缘缓存策略及数据分流方法研究
2349-2357,9
国家自然科学基金项目(52069014,61962036),江西省杰出青年基金项目(2018ACB21029)资助.
评论