基于密度峰值与密度聚类的集成算法

雩风三日

基于密度峰值与密度聚类的集成算法

       针对快速搜索和发现密度峰值聚类( CFSFDP) 算法需人工在决策图上选择聚类中心的问题，提出一种基于密度峰值和密度聚类的集成算法。首先，借鉴CFSFDP 思想，将局部密度最大的数据作为第一个中心; 接着，从该中心点出发采用一种利用Warshall 算法求解密度相连改进的基于密度的噪声应用空间聚类( DBSCAN) 算法进行聚类，得到第一个簇; 最后，在尚未被划分的数据中找出最大局部密度的数据，将它作为下一个簇的中心后再次采用上述算法进行聚类，直到所有数据被聚类或有部分数据被视为噪声。所提算法既解决了CFSFDP 选择中心需人工干预的问题，又优化了DBSCAN 算法，即每次迭代都是从当前最好的点( 局部密度最大的点) 出发寻找簇。通过可视化数据集和非可视化数据集与经典算法( CFSFDP、DBSCAN、模糊C 均值( FCM) 算法和K 均值( K-means) 算法) 的对比实验结果表明，所提算法聚类效果更好，准确率更高，优于对比算法。
& T7 E! Q/ F) F/ k9 M) w
关键词: 密度峰值; 密度聚类; Warshall 算法; 决策图; 聚类中心