快速搜索和發(fā)現(xiàn)密度峰值的聚類算法(CFSFDP)具有不能自動確定聚類中心的缺點,文中提出自動確定聚類中心的CFSFDP.首先針對變量分布不均勻的問題,將密度和距離進(jìn)行歸一化處理.再通過切比雪夫不等式確定歸一化后的密度閾值上限,利用標(biāo)準(zhǔn)差確定歸一化后的距離閾值上限.最后根據(jù)決策函數(shù)確定決策閾值上限,統(tǒng)籌考慮兩種決定因素,避免中心點選取遺漏,自動確定聚類中心.實驗表明,文中算法可以有效地自適應(yīng)選擇聚類中心,具有較好的魯棒性和有效性.

【文章頁數(shù)】：10 頁

【部分圖文】：

圖4各算法運(yùn)行時間對比

綜上所述,AUTO-CFSFDP在保證算法的準(zhǔn)確性及時間復(fù)雜度不改變的兩項前提條件下,改進(jìn)CFSFDP不能夠自動確定聚類中心的缺點.相比DBSCAN、K-means、CFSFDP、CDP、fuzzy-CFSFDP,AU-TO-CFSFDP在F-measure和Accuracy兩項....

圖1Fuzzy-CFSFDP找出的中心點草圖

在fuzzy-CFSFDP中提到當(dāng)分別給出密度和距離的下限后找到的只是局部中心,需要進(jìn)行二次聚類才可得到正確歸類.二次聚類需要耗費更多的聚類時間,增加時間復(fù)雜度,不利于效率提升.圖1Fuzzy-CFSFDP找出的中心點草圖

圖1Fuzzy-CFSFDP找出的中心點草圖

圖1Fuzzy-CFSFDP找出的中心點草圖圖1Fuzzy-CFSFDP找出的中心點草圖

圖1Fuzzy-CFSFDP找出的中心點草圖

圖1Fuzzy-CFSFDP找出的中心點草圖如果不進(jìn)行二次聚類,只是分別給密度和距離閾值選取密度大距離遠(yuǎn)的點為中心點,又會出現(xiàn)下列情況:當(dāng)選取下限較低時會產(chǎn)生多個聚類中心,而當(dāng)下限選取較高的時候會出現(xiàn)漏選密度和距離相對較高的中心點.

本文編號：3950307