APP下载

基于共享近邻相似度的密度峰聚类算法

2018-08-28鲍舒婷孙丽萍郑孝遥郭良敏

计算机应用 2018年6期

鲍舒婷,孙丽萍* ,郑孝遥,郭良敏

(1.安徽师范大学计算机与信息学院,安徽芜湖241002; 2.网络与信息安全安徽省重点实验室(安徽师范大学),安徽芜湖241002)(*通信作者电子邮箱slp620@ahnu.edu.cn)

0 引言

聚类是数据挖掘中重要的研究领域之一,用来分析数据的分布。聚类是一个将数据对象划分成若干个类簇的过程,使得簇中的对象相似度高,但每个簇之间的对象相似度低。聚类在模式识别、分类、图像处理、Web搜索、商务智能等领域都有广泛的研究。聚类方法主要分为以下几类:基于层次聚类、基于划分聚类、基于密度聚类以及基于图聚类。

K-means算法[1]是基于划分聚类的经典算法,该算法是通过多次迭代找到最佳聚类中心,根据样本到聚类中心点的距离对样本进行划分。由于K-means算法是将样本分配到与其最近的簇中,因此该算法不能发现任意形状的簇。如果初始聚类中心选择不好,结果很容易陷入局部最优,导致聚类结果不稳定[2]。基于密度的空间聚类(Density-based Spatial Clustering of Applications with Noise,DBSCAN)算法[3]是基于密度聚类的经典算法,该算法是通过定义邻域半径eps和样本的最小邻域个数minpts来决定样本分布的紧密程度。但是,该算法对参数eps较为敏感,较小的eps值可能会导致过度聚类的情况,较大的eps值可能会使得较小的簇被合并。标准谱聚类(Spectral Clustering,SC)算法[4]是基于图聚类的经典算法,利用矩阵谱分析理论对原始的数据对象进行提取,得到新的数据特征,实现过程较为简单,但聚类结果依赖于相似矩阵。

文献[5]提出了基于密度的密度峰聚类 (Density Peaks Clustering,DPC)算法,简单高效,无需迭代;同时,不需要考虑概率分布函数或将数据映射到向量空间,性能不受数据空间维度影响[6]。……

登录APP查看全文