基于SH-ESD优化的密度峰值快速搜索聚类算法

发布时间：2022-08-13 17:22

　　通过高斯核函数的数学性质优化密度度量,根据SH-ESD异常检测算法特点,将显著水平α下检验统计量大于检验临界值的点当作簇中心,进行了E-DPC算法与DPC、DBSCAN、ADPC等算法的对比研究。 

【文章页数】：8 页

【参考文献】：
期刊论文
[1]布谷鸟优化的密度峰值快速搜索聚类算法[J]. 郑虹,周丽媛,韩旭明.  长春工业大学学报. 2018(03)
[2]结合K近邻的改进密度峰值聚类算法[J]. 薛小娜,高淑萍,彭弘铭,吴会会.  计算机工程与应用. 2018(07)
[3]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)
[4]基于线性回归分析的快速搜索聚类中心算法[J]. 王星,呙鹏程,王玉冰,程越.  系统工程与电子技术. 2017(11)
[5]一种改进的搜索密度峰值的聚类算法[J]. 淦文燕,刘冲.  智能系统学报. 2017(02)
[6]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)
[7]自动确定聚类中心的密度峰聚类[J]. 李涛,葛洪伟,苏树智.  计算机科学与探索. 2016(11)
[8]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)
[9]聚类算法研究[J]. 孙吉贵,刘杰,赵连宇.  软件学报. 2008(01)



本文编号：3677441