基于自适应近邻参数的密度峰聚类算法 周欢欢.pdf

基于自适应近邻参数的密度峰聚类算法_周欢欢计算机应用
Journal of Computer Applications
ISSN 1001-9081,CN 51-1307/TP
川 2*，张 征 1，张 琦 1
( 数学与信息学院，四川 南充 637009；
2. 西华师范大学 计算机学院，四川 南充 637009）
(*通信作者电子邮箱 ******@)
摘 要: 针对基于共享最近邻的密度峰聚类算法中近邻参数需要人为设定的问题，提出了一种基于自适应近邻参数的密度峰聚
类算法。首先，利用提出的近邻参数搜索算法自动获得近邻参数；然后，通过决策图选取聚类中心；最后，根据提出的代表
点分配策略，先分配代表点，然后分配非代表点，实现所有样本点聚类。将所提出的算法与基于共享最近邻的快速密度峰搜
索聚类(SNNDPC)算法、基于密度峰值的密度算法 (DPC)、近邻传播聚类算法(AP)、对点排序来确定聚类结构(OPTICS)、基于
密度的噪声应用空间聚类（DBSCAN）和 K 均值(K-means)算法在合成数据集和 UCI 数据集上进行聚类结果对比。实验结果表
明，所提出的算法在评价指标调整互信息(AMI)、调整兰德系数(ARI)和 Fowlkes-Mallows 指数(FMI)上整体优于其他 6 种算法。
所提出的算法能自动获得有效的近邻参数，能较好地分配簇边缘区域的样本点。
关键词: 共享最近邻；局部密度；密度峰聚类； k -近邻；逆近邻
中图分类号:TP181 文献标志码: A
Density peak clustering algorithm based on adaptive nearest
neighbor parameter
ZHOU Huanhuan1, ZHENG Bochuan2*, ZHANG Zheng1, ZHANG Qi1