局部标准差优化的密度峰值聚类算法OA北大核心CSTPCD
Density peak clustering algorithm optimized with local standard deviation
密度峰值聚类(clustering by fast search and find of density peaks,DPC)算法是一种基于密度的聚类算法,它可以发现任意形状和维度的类簇,是具有里程碑意义的聚类算法.然而,DPC算法的样本局部密度定义不适用于同时发现数据集的稠密簇和稀疏簇;此外,DPC算法的一步分配策略使得一旦有一个样本分配错误,将导致更多样本的错误分配,产生"多米诺骨牌效应".针对这些问题,提出一种新的样本局部密度定义,采用局部…查看全部>>
DPC(clustering by fast search and find of density peaks)algorithm is a density based clustering algorithm.It is one of the milestone clustering algorithms.It can find any arbitrary shapes of clusters embedded within any dimensional spaces.However,its local density definition of a point is not appropriate for simultaneously detecting the cluster centers of dense and sparse clusters,nor detecting the sparse and dense clusters subsequently.In addition,its one-s…查看全部>>
谢娟英;张文杰
陕西师范大学 计算机科学学院,陕西 西安 710119陕西师范大学 计算机科学学院,陕西 西安 710119
计算机与自动化
密度峰值聚类标准差局部密度分配策略聚类
density peak clusteringstandard deviationlocal densityassignment strategyclustering
《陕西师范大学学报（自然科学版）》 2024 (3)
47-62,16
国家自然科学基金(62076159,61673251,12031010)中央高校基本科研业务费(GK202105003)
评论