針對快速搜索和發(fā)現(xiàn)密度峰值聚類(CFSFDP)算法需人工在決策圖上選擇聚類中心的問題,提出一種基于密度峰值和密度聚類的集成算法。首先,借鑒CFSFDP思想,將局部密度最大的數(shù)據(jù)作為第一個中心;接著,從該中心點(diǎn)出發(fā)采用一種利用Warshall算法求解密度相連改進(jìn)的基于密度的噪聲應(yīng)用空間聚類(DBSCAN)算法進(jìn)行聚類,得到第一個簇;最后,在尚未被劃分的數(shù)據(jù)中找出最大局部密度的數(shù)據(jù),將它作為下一個簇的中心后再次采用上述算法進(jìn)行聚類,直到所有數(shù)據(jù)被聚類或有部分?jǐn)?shù)據(jù)被視為噪聲。所提算法既解決了CFSFDP選擇中心需人工干預(yù)的問題,又優(yōu)化了DBSCAN算法,即每次迭代都是從當(dāng)前最好的點(diǎn)(局部密度最大的點(diǎn))出發(fā)尋找簇。通過可視化數(shù)據(jù)集和非可視化數(shù)據(jù)集與經(jīng)典算法(CFSFDP、DBSCAN、模糊C均值(FCM)算法和K均值(K-means)算法)的對比實(shí)驗(yàn)結(jié)果表明,所提算法聚類效果更好,準(zhǔn)確率更高,優(yōu)于對比算法。

【文章頁數(shù)】：5 頁

【文章目錄】：
0 引言
1 相關(guān)工作
    1.1 CFSFDP算法
    1.2 DBSCAN算法
    1.3 Warshall算法
2 IABDPDC
3 實(shí)驗(yàn)結(jié)果與分析
    3.1 可視化數(shù)據(jù)集實(shí)驗(yàn)結(jié)果分析
    3.2 非可視化數(shù)據(jù)實(shí)驗(yàn)結(jié)果分析
4 結(jié)語



本文編號：3826054