K近邻相似度优化的密度峰聚类

摘要：

针对密度峰聚类分配时,仅考虑样本点与指向点(密度比它大的最近点)之间的距离,不适用于流形聚类(如Circleblock数据集、Lineblobs数据集等)的问题,提出了K近邻相似度优化的密度峰聚类算法.在计算每个点的密度与指向点后,通过相似度函数,找出每个点的K近邻,然后根据K近邻信息判断样本点的指向点是否正确,对于指向错误的点重新寻找正确的指向点,可以有效减少错误分配.在人工数据集和UCI数据集上的实验表明,新算法具有更高的准确率.

关键词：聚类、密度峰、相似度、K近邻

所属期刊栏目：55

分类号：TP181(自动化基础理论)

在线出版日期：2019-10-22（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：148-153,252