APP下载

布谷鸟优化的密度峰值快速搜索聚类算法

2018-06-29周丽媛韩旭明

长春工业大学学报 2018年3期
关键词:优化

郑 虹, 周丽媛, 韩旭明

(长春工业大学 计算机科学与工程学院, 吉林 长春 130012)

0 引 言

聚类是数据挖掘领域的一个重要分支,在无监督条件下用于挖掘数据潜在结构。目前已经成功应用于计算机科学、地理科学和经济领域[1-2]。聚类是根据数据样本之间的相似性,将空间中n个数据样本划分成合理类簇的过程,聚类结果使得同一类簇内的样本具有较高相似性,不同类簇间的样本具有较低相似性[3-5]。没有任何一种聚类算法能够适用于不同数据集所呈现的结构[6]。鉴于此,针对不同数据集,多种不同聚类方法提出,传统的聚类分析算法有分式聚类方法、层次聚类方法、基于密度的聚类方法和基于网格的聚类方法。

DPC算法是一种基于密度的聚类算法,由Alex Rodriguez等[7]在Science杂志上提出。DPC算法基于局部数据点的密度进行聚类,能够聚成任意形状的类簇。其局部密度点计算方法灵感来源于均值偏移理论[8];其聚类分配与K中心聚类算法[9]相似,确定中心点后,将剩余数据点根据其与中心点的相似度分配给最近的中心点。K中心算法需要反复迭代确定聚类中心,具有较高复杂度。DPC算法不需要反复迭代确定聚类中心,而是通过密度大小和距离远近,人为手动划出聚类中心,降低多次寻找聚类中心的复杂度。Alex Rodriguez认为潜在聚类中心为:数据点自身要有较高密度,且距离其他密度更高点的距离较远。

布谷鸟算法是由Xin-She Yang和Suash Deb两位学者于2009年提出,该算法利用布谷鸟特殊的繁育寄生机理和Levy飞行搜索机制,模拟出布谷鸟寻窝产卵行为的一种群体智能优化算法。……

登录APP查看全文

猜你喜欢

优化
超限高层建筑结构设计与优化思考
PEMFC流道的多目标优化
民用建筑防烟排烟设计优化探讨
关于优化消防安全告知承诺的一些思考
一道优化题的几何解法
由“形”启“数”优化运算——以2021年解析几何高考题为例
围绕“地、业、人”优化产业扶贫
事业单位中固定资产会计处理的优化
4K HDR性能大幅度优化 JVC DLA-X8 18 BC
几种常见的负载均衡算法的优化