一种基于共享近邻的密度聚类算法OA北大核心CSTPCD
针对经典的快速漂移(Quick Shift)算法在偏移过程中需要人为地指定领域值,导致在复杂数据集上表现不佳等问题,提出一种改进的共享近邻密度聚类算法(QS-SNN)。该聚类算法基于共享近邻(SNN),计算出样本点之间的相似度;通过相似度衡量得到样本点的局部密度矩阵;通过在SNN领域中对样本点进行快速偏移,得到最终的聚类结果。在多个数据集上进行实验,结果分析表明,该算法比传统的Quick shift算法以及其他的聚类算法在准确度上有了较大的提升。
郑喜臣;杨易扬;
广东工业大学计算机学院,广东广州510000
计算机与自动化
密度聚类共享近邻快速漂移
《计算机应用与软件》 2024 (002)
P.264-270 / 7
国家自然科学基金项目(61603101)。
评论