基于類簇合并的無參數(shù)密度峰值聚類算法

打開文本圖片集

摘 要： 密度峰值聚類算法（DPC）通過決策圖直觀地找到類簇中心進而完成聚類，是一種簡單高效的聚類算法。然而，DPC算法的截斷距離和類簇中心都是人為確定的，受主觀影響較大，具有不確定性。針對上述問題，提出一種基于類簇合并的無參數(shù)密度峰值聚類算法（NDPCCM）。首先根據(jù)樣本點兩兩之間的相似度的分布特征將其分為類內相似度和類間相似度兩種類型，并利用類內相似度自動確定截斷相似度，避免了人為設置參數(shù)；接著根據(jù)簇中心權值的下降趨勢自動選擇初始類簇中心，得到初始類簇；最后通過合并初始類簇對初步聚類結果進行優(yōu)化，提高了聚類的準確性。（剩余13140字）