【摘要】：相比其它聚類算法,密度峰值點快速搜索聚類算法(clustering by fast search and find of density peaks,DPC)只需較少的參數(shù)就能達(dá)到較好的聚類結(jié)果,然而當(dāng)某個類存在多個密度峰值時,聚類結(jié)果不理想.針對這一問題,提出一種基于簇邊界劃分的DPC算法:B-DPC算法.改進(jìn)算法首先利用一種新的去除噪聲準(zhǔn)則對數(shù)據(jù)集進(jìn)行清理,再調(diào)用DPC算法進(jìn)行首次聚類.最后搜索并發(fā)現(xiàn)鄰近類的邊界樣本,根據(jù)邊界樣本的數(shù)量和所占比例,對首次聚類結(jié)果進(jìn)行二次聚類.實驗證明,B-DPC算法較好地解決了多密度峰值聚類問題,能夠發(fā)現(xiàn)任意形狀的簇,對噪聲不敏感.
【作者單位】： 山東科技大學(xué)計算機(jī)科學(xué)與工程學(xué)院;山東省智慧礦山信息技術(shù)重點實驗室;
【基金】：國家自然科學(xué)基金(61203305,61433012) 山東省重點研發(fā)計劃(攻關(guān))(2016GSF120012) 山東省自然科學(xué)基金(ZR2015FM013) 山東省“泰山學(xué)者”攀登計劃
【分類號】：TP311.13

【相似文獻(xiàn)】

相關(guān)期刊論文 前6條

1 成功;崔凱;;基于峰值點的目標(biāo)對準(zhǔn)在MSTAR SAR圖像分類中的應(yīng)用[J];遙測遙控;2006年05期

2 鄔燁文;王軍鋒;;一種改進(jìn)的SAR圖像艦船尾跡檢測算法[J];信息技術(shù);2009年04期

3 姚劍敏;辛琦;郭太良;;一種基于粒子濾波的自適應(yīng)相關(guān)跟蹤算法[J];武漢理工大學(xué)學(xué)報(信息與管理工程版);2008年01期

4 唐守乾;黃景春;閆小偉;;電力機(jī)車粘著控制仿真研究[J];計算機(jī)仿真;2014年04期

5 楊鴻武;梁青青;郭威彤;李錦瓏;陳龍;;一個面向言語工程的蘭州方言語料庫[J];西北師范大學(xué)學(xué)報(自然科學(xué)版);2009年06期

6 ;[J];;年期

，

本文編號：2532570