吴辰文，魏立鑫，刘晓光

1(兰州交通大学 电子与信息工程学院，兰州 730070) 2(兰州交通大学 电子与信息工程学院 计算机应用技术，兰州 730070) 3(兰州交通大学 电子与信息工程学院 软件工程，兰州 730070)

1 引 言

在数据挖掘领域中，聚类是一种无监督的学习方法，其目的就是将含有杂乱无章数据的集合分为若干簇，并且使簇中的数据尽可能相似，簇间的差别尽可能大[1]，以便为我们提供有价值的信息.聚类分析在模式识别、医学、数据挖掘、图像识别等领域有着广泛的应用.

根据聚类原理将这些算法分为5类：基于划分的聚类算法(K-Means，Fuzzy C-Means等)、基于层次的聚类算法(Clustering Using Representative，Chameleon等)、基于网格的聚类算法(MAFIA，STatistical INformation Grid等)、基于密度的聚类算法(Density-Based Spatial Clustering of Applications with Noise，Ordering Points to Identify the Clustering Structure等)和基于模型的聚类算法(Self-Organizing Maps，Expectation-Maximization Algorithm等)[2-7].除了这些经典的算法之外，于2014年在《Science》学术期刊中发表了一种新的密度峰值聚类算法[8](Density Peaks Clustering，DPC)引起了广泛的关注.

DPC算法的核心思想是寻找被低密度区域划分开的高密度区域.利用局部密度ρ和不同簇高密度点之间的距离指标δ来生成“决策图”，并选取异常大的ρ、δ值作为类簇中心，将剩余数据点分配到已选取的类簇中心，直至完成数据点的分配.该算法具有简单高效、发现任意形状簇、样本归类无需迭代、参数设置少等优点，但是该算法规定每个簇中必须有密度最大的点作为簇中心，当数据分布不均或同一簇含有多个高密度点，很容易将一个簇分为几个子簇.近些年来，很多学者对密度峰值聚类算法进行了一些改进，并且也取得了一些研究成果，包括对聚类中心判断、经验截断距离dc的选择、密度计算方法改进等问题[9].例如，Ma C等[10]在文中指出，按照给定的评价指标对数据点排序，选取前m个最大值作为聚类中心；……