融合可拓关联函数的密度峰值聚类算法

论文摘要

针对传统密度峰值聚类算法(Clustering by fast search and find of density peaks,CFSFDP)簇心选择不佳、非簇心点分配不准确导致的聚类效果差问题,提出一种融合可拓关联函数的密度峰值聚类算法,通过引入平均差异度衡量样本密度选取簇心;基于k邻域思想提出雏形簇概念并建立物元模式下的节域和经典域;利用可拓关联函数定量衡量未分配点相对各雏形簇的隶属程度,从而实现精准聚类.将该算法和其他几种聚类算法在人工数据集和UCI标准数据集上分别进行对比实验,实验结果表明本文算法对任意形状任意密度数据集的聚类效果更好,优于其他算法.

论文目录

• 1 引言
• 2 相关知识介绍
•   2.1 可拓关联函数相关知识介绍
•   2.2 CFSFDP算法介绍
• 3 可拓关联函数改进的密度峰值聚类算法
•   3.1 相关定义
•   3.2 算法基本思想
•   3.3 算法的实施步骤
•   3.4 算法复杂度分析
• 4 实验验证与分析
•   4.1 实验数据集和评价指标
•   4.2 改进的密度峰值聚类算法性能分析
•     4.2.1 可视化数据集实验结果分析
•     4.2.2 非可视化数据集实验结果分析
• 5 总结

文章来源

类型: 期刊论文

作者: 赵燕伟,朱芬,桂方志,任设东,谢智伟,徐晨

关键词: 可拓关联函数,邻域,雏形簇,平均差异度

来源: 小型微型计算机系统 2019年12期

年度: 2019

分类: 信息科技

专业: 计算机软件及计算机应用

单位: 浙江工业大学特种装备制造与先进加工技术教育部浙江省重点实验室,浙江工业大学计算机科学与技术学院

基金: 国家自然科学基金项目(51875524)资助,浙江省公益技术应用研究计划项目(2017C31072)资助

分类号: TP311.13

页码: 2512-2518

总页数: 7

文件大小: 1841K

下载量: 89