基于共享逆近邻与指数核的密度峰聚类算法
2020-07-09杨小飞马盈仓汪义瑞
高 月,杨小飞,马盈仓,汪义瑞
(1.西安工程大学 理学院,陕西 西安 710048;2.安康学院 数学与统计学院,陕西 安康 725000)
0 引 言
聚类分析是模式识别、图像处理、生物信息分析等领域[1-3]重要的研究分支之一,也是最为常见且具有潜力的发展方向之一。聚类分析是根据某种相似性度量分析数据集,将没有标签的数据划分成若干个不同的簇,使得同一个簇中的样本点彼此相似,不同簇中的样本点彼此不同。常用的聚类方法主要有5种:基于划分的方法[4-5],基于层次的方法[6-8],基于网格的方法[9-10],基于模型的方法[11],基于密度的方法[12-13]。
密度峰聚类算法(clustering by fast search and find of density peaks, DPC)是2014年由Rodriguea[13]提出的,该算法可以自动选取样本的聚类中心点,而且可以处理任意形状的数据。算法选取聚类中心的原则是:具有较高局部密度,且与其他高密度点之间的“距离”较大。尽管DPC算法相比其他聚类算法具有明显优势,但也存在一些缺点。①算法的局部密度定义问题。算法的相似度与密度仅通过欧氏距离与截断距离dc确定,使得算法在高维或多密度数据集中的聚类效果相对较差[14]。②算法的聚类策略问题。算法将样本点划分到距其最近且密度比其大的样本所在的簇,这样的分配策略很容易出现多米诺骨牌效应,即一个样本点分配错误进而导致一连串的样本点分配错误。
对此一些相应的改进算法被提出[15-18]。 KNN-DPC算法[15]是一种基于k个最近邻居的密度峰聚类,算法将k个最近邻居的思想引入DPC算法中构造相似度。样本的近邻点可以更好地反映数据集的局部分布特征,有效提高了DPC算法的聚类效果。……
