张柏恺,杨德刚,2,冯 骥,2

(1.重庆师范大学计算机与信息科学学院，重庆 401331； 2.教育大数据智能感知与应用重庆市工程研究中心，重庆 401331)

1 引言

随着大数据与智能化的发展，人工智能领域的聚类技术也被赋予了更为重要的现实意义，在商业选址、金融产品推荐、异常检测等方面也有广泛应用。聚类算法的目标在于无监督地将数据集分割成不同的类或簇，使得同一簇内数据的相似性尽可能大，同时保证簇间数据的差异性也尽可能大。在众多聚类算法中，基于最近邻居的聚类算法在数据挖掘、机器学习、图像处理和模式识别等多个领域有着十分广泛的应用，并且取得了很多不错的成果。

在基于最近邻居的聚类算法中，如何自动推断聚类个数与邻域参数，降低对先验知识的依赖是聚类算法面临的一个挑战。为了获取更为准确的聚类结果，现有聚类算法一般需要预先指定聚类个数。而在针对聚类方法的现实应用中，很难在聚类算法运行之前对聚类个数进行准确的预估。在另一方面，无论是基于k-最近邻居KNN(K-Nearest Neighbor) 原则还是ε-最近邻居ε-NN(ε-Nearest Neighbor)原则，其各自对应的邻域参数k或ε的选取与数据集的分布特点密切相关，算法的性能也会因为参数的不同取值而产生急剧变化。

针对上述参数选择问题，本文提出了基于自然邻居NaN(Nature Neighbor)[2,3]的边界剥离聚类算法NaN-BP(Natural Neighbor based Border Peeling clustering algorithm)。NaN-BP算法结合自然邻居的思想，摆脱了邻域参数的选择问题。通过自然邻居的思想，邻域参数的选择可以不需要大量先验知识的积累。……