基于核密度估计的K-CFSFDP聚类算法

摘要：

快速搜索和发现密度峰值的聚类算法(Clustering by Fast Search and Find of Density Peaks,CFSFDP)是一种新的基于密度的聚类算法,它通过发现密度峰值来有效地识别类簇中心,具有聚类速度快 、实现简单等优点.针对CFSFDP算法的准确性依赖于数据集的密度估计和截断距离(dc)的人为选择问题,提出一种基于核密度估计的K-CFSFDP算法.该算法利用无参的核密度估计分析数据点的分布特征并自适应地选取dc,从而搜索和发现数据点的密度峰值,并以峰值点数据作为初始聚类中心.基于4个典型数据集的仿真结果表明,K-CFSFDP算法比CFSFDP,K-means和DBSCAN算法具有更高的准确度和更强的鲁棒性.

关键词：聚类、核密度估计、密度峰值、聚类中心

所属期刊栏目：45

分类号：TP311(计算技术、计算机技术)

在线出版日期：2018-12-17（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：244-248