基于数据相似度和引力理论的密度峰聚类算法

摘要：

本文针对密度峰聚类算法(DPC)中存在的参数敏感、算法不连续和聚类分块化问题,提出一种基于数据相似度和引力理论的密度峰聚类算法(SLDPC).该算法基于数据相似度确定局部密度,采用引力理论扩大簇心与非簇心数据点之间的差异,通过设定阈值自动确定簇心,通过基于边缘分布的合并策略对聚类分块化进行合并.实验共采用16个数据集,并与DPC、K-means、基于密度的噪声应用空间聚类算法(DBSCAN)及DPC改进算法进行了对比.实验结果表明,本方法具有优异的聚类准确性和良好的稳定性.

关键词：聚类分析、密度峰值、数据相似度、引力理论、聚类合并

所属期刊栏目：33

分类号：TP391;TP181;TN929.53

资助基金：国家自然科学基金;国家自然科学基金;浙江省重点研发计划资助项目

在线出版日期：2023-04-26（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：88-96