一种基于簇边界的密度峰值点快速搜索聚类算法

发布时间：2019-09-06 10:34

【摘要】：相比其它聚类算法,密度峰值点快速搜索聚类算法(clustering by fast search and find of density peaks,DPC)只需较少的参数就能达到较好的聚类结果,然而当某个类存在多个密度峰值时,聚类结果不理想.针对这一问题,提出一种基于簇边界划分的DPC算法:B-DPC算法.改进算法首先利用一种新的去除噪声准则对数据集进行清理,再调用DPC算法进行首次聚类.最后搜索并发现邻近类的边界样本,根据边界样本的数量和所占比例,对首次聚类结果进行二次聚类.实验证明,B-DPC算法较好地解决了多密度峰值聚类问题,能够发现任意形状的簇,对噪声不敏感.
【作者单位】： 山东科技大学计算机科学与工程学院;山东省智慧矿山信息技术重点实验室;
【基金】：国家自然科学基金(61203305,61433012) 山东省重点研发计划(攻关)(2016GSF120012) 山东省自然科学基金(ZR2015FM013) 山东省“泰山学者”攀登计划
【分类号】：TP311.13

【相似文献】

相关期刊论文 前6条

1 成功;崔凯;;基于峰值点的目标对准在MSTAR SAR图像分类中的应用[J];遥测遥控;2006年05期

2 邬烨文;王军锋;;一种改进的SAR图像舰船尾迹检测算法[J];信息技术;2009年04期

3 姚剑敏;辛琦;郭太良;;一种基于粒子滤波的自适应相关跟踪算法[J];武汉理工大学学报(信息与管理工程版);2008年01期

4 唐守乾;黄景春;闫小伟;;电力机车粘着控制仿真研究[J];计算机仿真;2014年04期

5 杨鸿武;梁青青;郭威彤;李锦珑;陈龙;;一个面向言语工程的兰州方言语料库[J];西北师范大学学报(自然科学版);2009年06期

6 ;[J];;年期

，

本文编号：2532570