基于改进密度的簇内均值最小距离聚类算法

摘要：

针对密度聚类算法在聚类过程中存在的参数设置敏感、收敛时间长等问题,提出了一种改进密度聚类算法.首先使用自定义密度公式计算样本密度,得出候选代表点集合;再选取与其它候选代表点距离之和最小对象为首个初始聚类中心,使用最大乘积法完成初始中心选择;在簇中心更新环节,将与簇内均值最小距离的对象作为该簇的临时中心,使用最小距离法划分样本至所属簇中;重复该环节,直到收敛.在UCI数据集上的测试结果表明,改进密度算法相对K-means算法和其它两种改进算法具有更好的稳定性、更高的聚类准确率和更少的聚类耗时.

关键词：聚类、密度聚类、簇内均值最近点、候选代表点

所属期刊栏目：11

分类号：TP301.6(计算技术、计算机技术)

资助基金：广东省普通高校特色创新项目;韶关市科技计划项目;韶关市科技计划项目;广东省普通高校重点领域专项

在线出版日期：2022-04-07（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：82-86