基于类簇合并的无参数密度峰值聚类算法

打开文本图片集

摘 要： 密度峰值聚类算法（DPC）通过决策图直观地找到类簇中心进而完成聚类，是一种简单高效的聚类算法。然而，DPC算法的截断距离和类簇中心都是人为确定的，受主观影响较大，具有不确定性。针对上述问题，提出一种基于类簇合并的无参数密度峰值聚类算法（NDPCCM）。首先根据样本点两两之间的相似度的分布特征将其分为类内相似度和类间相似度两种类型，并利用类内相似度自动确定截断相似度，避免了人为设置参数；接着根据簇中心权值的下降趋势自动选择初始类簇中心，得到初始类簇；最后通过合并初始类簇对初步聚类结果进行优化，提高了聚类的准确性。（剩余13140字）