高润峰，苏一丹，覃 华

(广西大学 计算机与电子信息学院，广西 南宁 530004)

0 引 言

密度峰聚类算法(density peak clustering，DPC)，具有对初始点不敏感、能对各种形状进行聚类等优点[1]。但该算法也存在一些不足，例如：需要手动选择聚类中心点，主观性较大，自动化程度差；当簇的密度差异较大的时候，密度较小簇的中心点不容易被发现导致聚类结果不准确。针对这些问题，国内外学者进行了研究。Xie等用K近邻计算样本点的密度，并采用模糊加权K近邻来分配样本[2]；Liu等提出用高斯核确定阈值来自动选择聚类中心[3]；Liu Rui等通过共享最近邻和两次分配策略优化非簇中心点的分配[4]；王洋等利用基尼系数自动识别聚类中心[5]；Sun等提出一种基于数据分布和线性判断的自动选择簇中心方法[6]；贾露等采用物理学中的万有引力来优化密度峰聚类[7]；Zhao等将数据空间划分为圆形网格，通过网格相似度来实现密度峰聚类[8]；Cheng等用密度核来避免噪声[9]。

上述改进的DPC算法中，共享最近邻密度峰算法(shared nearest neighbor density peak clustering，SNN-DPC)的聚类效果较好[4]，但仍存在不能自动化选簇中心和容易忽略密度较小的簇等问题，针对这些问题，提出一种罚处共享最近邻密度峰聚类算法(penalty shared nearest neighbor density peak clustering，PSNN-DPC)，主要思路是：首先找出罚处点，使用共享最近邻和罚处系数计算样本点的密度，然后再根据改进的样本密度确定与更高密度点的距离计算γ，根据迭代阈值方法γ进行迭代以选出聚类中心，接着采用二次分配策略将簇的非中心点分配到对应的簇中。通过在各种数据集上的实验，验证所提算法是可行的。……