杜淑颖,施天豪,丁世飞

(1.中国矿业大学 计算机科学与技术学院,江苏 徐州 221116;2.徐州生物工程职业技术学院 信息管理学院,江苏 徐州 221000)

进入信息时代,信息科学技术广泛地渗透到社会生活中的各个领域并产生了各种各样的数据。如何从多样的数据中获取有用的信息是数据挖掘研究的焦点问题。聚类分析是数据挖掘领域的一项重要内容,它能在标签未知的情况下通过数据间的相似度进行分类,使同类的数据之间具有较高的相似度。聚类分析发掘数据的潜在联系,得到关键信息从而支持决策。因此,它在模式识别、图像分割、社区发现等诸多领域应用广泛[1,2]。

密度峰值聚类[3](Density peaks clustering,DPC)是由Rodriguez等于2014年提出的一种基于密度的简单高效的聚类算法。算法通过密度ρ和相对距离δ两个基本属性完成聚类。DPC是密度聚类的一种代表算法,其无需迭代,可以对非球形的数据聚类并得到较为满意的结果。密度峰值聚类的优点较为突出,但是它的缺点仍然不容忽视:(1)人工选取聚类中心会导致较大的聚类误差;(2)在密度不均匀的流形数据集上得不到正确的聚类结果。高密度的数据点通常被选取为聚类中心点,因此在密度不均匀的数据集中低密度簇的中心点往往会被忽略,由于中心点的错误选取而导致的“多米诺效应”往往会造成错误的聚类结果。密度峰值聚类需要进一步研究和改进。

为了改善上述不足,近些年来很多密度峰值改进算法被提出[4-13]。针对第一个弊端的研究较少,Xu等[4]基于轮廓系数提出一种新指标DCI能自动得到聚类数目无需人工干预。……