基于引力的密度峰值算法研究及其应用

发布时间：2022-01-02 04:12

　　当今社会随着科技的进步日新月异,互联网、云计算、大数据等技术时刻影响着人类的思维和生活,深刻展示了世界发展的前景。互联网的兴起和信息数据的不断累积推动着整个社会向大数据时代发展,数据在人们日常生活中的方方面面扮演着重要的角色,各行各业因为大幅爆发的数据正变得蒸蒸日上,数据已成为当今社会发展的重要影响因子,而如何有效处理不断庞大的数据成为时下数据挖掘领域的难题。聚类算法作为无监督学习的一种方法,是数据挖掘中重要的工具,如今也成为科学研究领域的热点问题。密度峰值算法（DPC:Density Peak Clustering）是一种新颖而有效的基于密度的聚类算法,于2014年在Science上发表。相比其它聚类算法,密度峰值算法在处理不同大小和密度的集群上具有独特的优势,但DPC算法仍然存在一些不足:（1）决策图的中心点选择困难。由于部分具有复杂结构的数据集,其聚类中心点在决策图中辨识度不高,而DPC算法需要在决策图中人为选择聚类中心点,容易导致错选或漏选现象;（2）异常点识别困难。DPC算法在数据集低密度区域难以有效处理样本点,这也导致DPC无法识别异常点;（3）大型数据集处理过慢。DPC算... 

【文章来源】：吉林财经大学吉林省

【文章页数】：64 页

【学位级别】：硕士

【部分图文】：

密度峰值算法的决策图中数据的分布情况

（c） = 2.1213 （d） = 3.2381图 3.1 DPC 在不同 值下作用于 Flame 数据集无法识别异常点本章提出的基于引力理论的密度峰值算法是受到引力聚类算法[64]的启发而来，在后文中称之为 GDPC。根据表 3.1，我们将 GDPC 算法与 k-Means[65]，AP[66]

改进K近邻算法识别异常点过程

【参考文献】：
期刊论文
[1]基于密度比例的密度峰值聚类算法[J]. 高诗莹,周晓锋,李帅.  计算机工程与应用. 2017(16)
[2]基于粗糙集聚类算法的股票数据分析方法研究[J]. 杨娜,张艳敏.  科技经济市场. 2017(06)
[3]一种基于网格的密度峰值聚类算法[J]. 王飞,王国胤,李智星,彭思源.  小型微型计算机系统. 2017(05)
[4]自动确定聚类中心的密度峰值算法[J]. 王洋,张桂珠.  计算机工程与应用. 2018(08)
[5]基于密度峰值的快速聚类算法优化[J]. 戴娇,张明新,郑金龙,蒋礼青,尚赵伟.  计算机工程与设计. 2016(11)
[6]一种融合K-means和快速密度峰值搜索算法的聚类方法[J]. 盛华,张桂珠.  计算机应用与软件. 2016(10)
[7]一种基于簇中心点自动选择策略的密度峰值聚类算法[J]. 马春来,单洪,马涛.  计算机科学. 2016(07)
[8]基于密度峰值搜索的改进流形聚类算法[J]. 刘艳丽,张建朋.  计算机工程与设计. 2016(06)
[9]K近邻优化的密度峰值快速搜索聚类算法[J]. 谢娟英,高红超,谢维信.  中国科学:信息科学. 2016(02)
[10]面向大数据的并行聚类算法在股票板块划分中的应用[J]. 海沫,牛怡晗,张悦今.  大数据. 2015(04)

博士论文
[1]基于模糊聚类算法的医学图像分割技术研究[D]. 张小峰.山东大学 2014

硕士论文
[1]群智能优化算法在聚类分析中的研究[D]. 赵莉莉.江南大学 2016
[2]基于直觉模糊集的医学图像聚类分割[D]. 高小帆.中北大学 2016
[3]人工蜂群优化模糊聚类研究及应用[D]. 郭宝锋.山东大学 2016
[4]人工鱼群和k-means相结合的聚类算法研究与分布式实现[D]. 陈书会.江苏大学 2016
[5]基于改进人工蜂群的模糊C均值聚类算法研究[D]. 徐曼舒.安徽大学 2016
[6]基于半监督模糊聚类的医学图像分割系统设计[D]. 樊万姝.大连理工大学 2013
[7]基于蚁群聚类算法的股票板块分类研究[D]. 张传琦.复旦大学 2012
[8]基于时空聚类的车辆路径分析与优化[D]. 任丽.清华大学 2011



本文编号：3563448