基于相互K近邻的密度峰值聚类算法OA
Density Peaks Clustering Algorithm Based on Mutual K-Nearest Neighbor
密度峰值聚类是一种原理简单、运行高效的聚类算法,但其存在密度定义方式不统一、聚类中心选择容易出错和样本分配可能产生"多米诺"现象等问题.针对上述问题,提出一种基于相互K近邻的密度峰值聚类算法(MKDPC).首先,基于样本的相互K近邻定义一种改进的局部密度,统一了DPC算法密度定义方式,能够有效避免变密度数据集聚类中心选择出错的问题;其次,基于相互K近邻定义了样本间的共享相互K近邻和相似度,进而提出一种样本多步分配策略,该策略可以有效克服样本分配过…查看全部>>
Density peaks clustering, a kind of clustering algorithm with simple principle and high efficiency, faces several challenges, such as disunity in density definition, easy error in cluster centers selection and"domino"phenomenon in sample allocation. To solve these problems, a density peaks clustering algorithm based on mutual K-nearest neighbor (MKDPC) is pro-posed. Firstly, an improved density is defined based on the mutual K-nearest neighbor of samples, wh…查看全部>>
赵志忠;陈素根
安庆师范大学 数理学院,安徽 安庆 246133安庆师范大学 数理学院,安徽 安庆 246133
计算机与自动化
密度峰值聚类相互K近邻局部密度分配策略
density peaks clusteringmutual K-nearest neighborlocal densityallocation strategy
《安庆师范大学学报（自然科学版）》 2024 (2)
41-46,6
国家自然科学基金项目(61702012),安徽省自然科学基金项目(2008085MF193)和安徽省高校自然科学研究重点项目(2022AH051053)
评论