基于近邻与代表点的密度峰值聚类算法

作     者：谭鸿伟 吕莉 郝筱萱 谭德坤 

作者机构：南昌工程学院南昌市智慧城市物联感知与协同计算重点实验室 南昌工程学院信息工程学院 

出 版 物：《控制工程》 (Control Engineering of China)

年 卷 期：2024年

学科分类：12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 

基　　金：国家自然科学基金资助项目(62066030) 

主　　题：密度峰值聚类 K近邻 代表点 共享近邻 自然近邻 相似度 

摘      要：密度峰值聚类(DPC)算法在处理具有较大密度差异的数据集时，易在同一高密度类簇中找到多个类簇中心；处理流形类簇时，易将远离类簇中心的样本错误分配给距离其更近的其他类簇。针对这些不足，提出一种基于近邻与代表点的密度峰值聚类(DPC-NNR)算法。在选取类簇中心时，利用样本K近邻信息，同时引入代表点的思想，以平衡样本间的密度差异，选取正确类簇中心；分配剩余样本时，考虑样本相互间的近邻信息，以共享近邻与自然近邻加强同一类簇中样本之间的联系，避免错误分配样本。将所提算法在人工数据集和真实数据集上进行实验，并与DPC及其改进算法进行对比，结果表明，DPC-NNR算法可以有效处理具有较大密度差异和流形数据集，且在真实数据集上也表现良好。