王赢己，董红斌

哈尔滨工程大学 计算机科学与技术学院，黑龙江 哈尔滨 150001

伴随着时代的发展与进步，大数据技术已深入到人们的生活中，比如在视频广告、交易平台和视频终端，每天产生海量的数据，如果将这些数据加以利用，就可以化“数字”为“神奇”，创造无穷价值，因此“数据挖掘”技术被广泛运用。而聚类[1-5]分析是数据挖掘的一项重要技术，是探索数据之间隐藏联系的重要一环。聚类分析源自分类学，但是聚类和分类并不一样。分类是已经知晓物品的标签，将其分到对应的标签下；而聚类是未知的，是一种无监督的分类方法。

密度峰值(DP)算法[6]是一种近几年流行的聚类算法。该算法的优势在于不受数据集形状的限制，可以识别出任意形状的数据，如流形、线形、环形和簇形等数据集；也很容易发现数据集中的噪声点。而且其参数唯一、易于使用，并具有很好的鲁棒性，广受学者们的欢迎。尽管如此，DP 算法还是有一些不足：1)DP 算法的局部密度计算方式是通过截断距离（dc）来计算的，这个值往往是通过经验设置，无法适应不同密度的数据集。2)DP 算法是根据排序好的候选中心来聚类的，若开始选择了较差的候选者则会导致难以估量的后果。近年来，针对DP 算法提出很多的改进算法，如引入信息熵概念来改进dc的计算[7]，这样会使DP 算法聚类中心的选择过程更直观；还有利用基尼不纯度发现最佳dc[8]；Liu 等[9]提出基于KNN 的新密度度量方式的ADPC-KNN 算法；Mehmood 等[10]结合了截断距离选择和核密度估计的边界矫正的CFSFDP-HD，以实现更精确的聚类效果，不受噪声点的干扰。……