张忠林，赵 昱，闫光辉

兰州交通大学 电子与信息工程学院，兰州 730000

数据聚类把数据对象按照不同属性分割成确定数目的同质子集，每个同质子集贴上属性标签后称之为类簇。对于任何一个类簇满足簇内数据对象特征相似，簇间数据对象特征差异较大的条件[1]。聚类概念已被引入到多个研究领域之中，例如：智能算法改进、大数据分析、模式检测、神经网络等[2]。聚类算法发展过程中提出了许多经典算法，如基于划分思想k-means算法[3]、基于层次思想EM算法[4]、基于密度思想DBSCAN、RNNDBSCAN算法[5-6]，基于网格思想CLIQUE算法[7]、基于模糊思想FCM算法[8]。

随着对数据集深入研究发现密度峰值是数据集的一个重要属性，因此2014年Rodriguez等[9]提出基于密度峰值算法（clustering by fast search and find of density peaks，DPC），DPC算法迭代过程中人工调参少，可以发现任意非球状簇并且敏感数据集中的噪声点。但是DPC算法也存在三个不足[10]：（1）预先选取的截断距离具有一定随机性和经验性，选取的截断距离直接影响聚类结果的好坏；（2）计算局部密度时忽略数据分布情况，当簇间的数据稀疏程度相差较大时，即使设定合理参数也得不到理想聚类效果；（3）数据对象间相似性度量仅采用欧氏距离模型，在高维数据集中导致度量结果不准确，并且随着数据集规模递增，每迭代一次相似性计算次数为n(n-1)2，导致算法时间复杂度为O(n2)影响算法效率。

DPC算法存在人工选择的随机性和数据间度量准则的不准确性。对上述两个问题提出了多种改进方法，Du等[11]提出了k近邻方法，利用k-近邻概念定义截断距离和局部密度，该方法根据数据集特征能够生成合理的截断距离，在新的截断距离下计算的局部密度更符合数据集的真实分布，引入决策图将决策点选取可视化。……