收藏本站
《计算机工程与应用》 2019年10期
收藏 | 投稿 | 手机打开
二维码
手机客户端打开本文

一种基于K近邻的比较密度峰值聚类算法

杜沛  程晓荣  
【摘要】:快速搜索与发现密度峰值聚类算法(Fast Search and Discovery Density Peak Clustering Algorithm,CFSFDP)的聚类效果十分依赖截断距离dc的主观选取,而最佳dc值的确定并不容易,并且当处理分布复杂、密度变化大的数据集时,算法生成的决策图中类簇中心点与非类簇中心点的区分不够明显,使类簇中心的选取变得困难。针对这些问题,对其算法进行了优化,并提出了基于K近邻的比较密度峰值聚类算法(Comparative Density Peak Clustering algorithm Based on K-Nearest Neighbors,CDPC-KNN)。算法结合K近邻概念重新定义了截断距离和局部密度的度量方法,对任意数据集能自适应地生成截断距离,并使局部密度的计算结果更符合数据的真实分布。同时在决策图中引入距离比较量代替原距离参数,使类簇中心在决策图上更加明显。通过实验验证,CDPC-KNN算法的聚类效果整体上优于CFSFDP算法与DBSCAN算法,分离度实验表明新算法使类簇中心与非类簇中心点的区分度得到有效提高。

手机知网App
【参考文献】
中国期刊全文数据库 前1条
1 冯少荣;肖文俊;;一种提高DBSCAN聚类算法质量的新方法[J];西安电子科技大学学报;2008年03期
【共引文献】
中国期刊全文数据库 前8条
1 张丽杰;;具有稳定饱和度的DBSCAN算法[J];计算机应用研究;2014年07期
2 刘淑芬;孟冬雪;王晓燕;;基于网格单元的DBSCAN算法[J];吉林大学学报(工学版);2014年04期
3 赵文;夏桂书;苟智坚;闫振兴;;一种改进的DBSCAN算法[J];四川师范大学学报(自然科学版);2013年02期
4 胡博磊;谭建豪;;基于累积平均密度的聚类方法[J];计算机工程与科学;2013年01期
5 杨志彬;;基于数据流聚类算法的入侵检测技术[J];电脑知识与技术;2012年35期
6 谭建豪;章兢;李伟雄;;密度分布函数在聚类算法中的应应用用[J];控制理论与应用;2011年12期
7 张丽杰;李廉水;朱慧云;;一种带有虚拟变量的密度聚类算法[J];系统工程;2011年10期
8 李伟雄;谭建豪;王贵山;;基于区域比例的聚类方法[J];计算机工程与应用;2011年08期
【二级参考文献】
中国期刊全文数据库 前4条
1 蔡颖琨,谢昆青,马修军;屏蔽了输入参数敏感性的DBSCAN改进算法[J];北京大学学报(自然科学版);2004年03期
2 周水庚,范晔,周傲英;基于数据取样的DBSCAN算法[J];小型微型计算机系统;2000年12期
3 周水庚,周傲英,曹晶,胡运发;一种基于密度的快速聚类算法[J];计算机研究与发展;2000年11期
4 周水庚,周傲英,曹晶;基于数据分区的DBSCAN算法[J];计算机研究与发展;2000年10期
【相似文献】
中国期刊全文数据库 前10条
1 卢晶;段勇;刘海波;;基于z值的分布式密度峰值聚类算法[J];电子学报;2018年03期
2 陈绪;严金戈;;混合类型数据的聚类算法综述[J];信息与电脑(理论版);2018年07期
3 孙杨模;;操作系统常见的几种算法举例分析[J];湖北三峡职业技术学院学报;2010年02期
4 何玉林;黄哲学;;大规模数据集聚类算法的研究进展[J];深圳大学学报(理工版);2019年01期
5 方琪;王山东;朱鸿博;李贺;;基于决策图的城市热点区域提取[J];测绘与空间地理信息;2018年11期
6 薛小娜;高淑萍;彭弘铭;吴会会;;结合K近邻的改进密度峰值聚类算法[J];计算机工程与应用;2018年07期
7 邱建林;二叉决策图在逻辑综合中的应用[J];微机发展;2002年01期
8 李海林;魏苗;;基于近邻传播的限定簇数聚类方法研究[J];电子科技大学学报;2018年05期
9 徐晓;丁世飞;孙统风;廖红梅;;基于网格筛选的大规模密度峰值聚类算法[J];计算机研究与发展;2018年11期
10 刘奕志;程汝峰;梁永全;;一种基于共享近邻的密度峰值聚类算法[J];计算机科学;2018年02期
中国重要会议论文全文数据库 前10条
1 洪榛;俞立;张贵军;;一种基于N阶最短近邻自适应确定聚类数量的方法[A];第二十九届中国控制会议论文集[C];2010年
2 郭红仙;王际芝;;廊坊市计算机辅助减灾决策图文数据库[A];第四届全国结构工程学术会议论文集(下)[C];1995年
3 韩中元;李生;杨沐昀;齐浩亮;;面向信息检索的近邻语言模型[A];第六届全国信息检索学术会议论文集[C];2010年
4 李世峰;黄磊;刘昌平;;几种聚类方法的比较[A];第八届全国汉字识别学术会议论文集[C];2002年
5 吴晓璇;倪志伟;倪丽萍;;基于分形维数的选择性聚类融合算法[A];中国系统工程学会第十八届学术年会论文集——A05系统工程理论应用与创新[C];2014年
6 郭景峰;杜京;马倩;邹晓红;;一种基于数据集性质的快速等差模式聚类算法[A];第二十五届中国数据库学术会议论文集(二)[C];2008年
7 刘彤;孙永香;张振洪;;一种有效的基于密度和层次的聚类算法[A];2007'仪表,自动化及先进集成技术大会论文集(一)[C];2007年
8 林辉;林锦贤;;一种基于基本窗口的数据流聚类方法[A];中国电子学会第十六届信息论学术年会论文集[C];2009年
9 冯红伟;李战怀;;一种基于相似性的时间序列聚类方法[A];第二十届全国数据库学术会议论文集(技术报告篇)[C];2003年
10 孙浩军;刘志辉;孔令俊;;一种基于交叠率聚类的改进[A];2007'仪表,自动化及先进集成技术大会论文集(二)[C];2007年
中国重要报纸全文数据库 前1条
1 本报记者 胡潇滢;社交软件竞争进入细分阶段 “近邻”加入贴身肉搏[N];证券日报;2015年
中国博士学位论文全文数据库 前10条
1 郑伟华;快速傅立叶变换—算法及应用[D];湖南大学;2015年
2 彭展;序列挖掘中几类关键问题的模型及算法研究[D];西安电子科技大学;2017年
3 李勇;基于深度学习的粒子图像测速算法研究及应用[D];华中科技大学;2018年
4 杜明晶;密度峰值聚类算法研究[D];中国矿业大学;2018年
5 李洁;基于自然计算的模糊聚类新算法研究[D];西安电子科技大学;2004年
6 王喆;商务数据中的关联和聚类算法研究[D];吉林大学;2005年
7 朱胜利;Mean Shift及相关算法在视频跟踪中的研究[D];浙江大学;2006年
8 王征;分布式互斥算法的研究与实现[D];电子科技大学;2007年
9 赖永;带蕴含文字的有序二元决策图[D];吉林大学;2013年
10 苟建平;模式分类的K-近邻方法[D];电子科技大学;2013年
中国硕士学位论文全文数据库 前10条
1 李硕;聚类算法的研究与改进[D];北京邮电大学;2017年
2 贾旋;高维复杂数据的聚类模型和算法研究[D];江南大学;2017年
3 韩利钊;多密度聚类算法研究[D];江南大学;2018年
4 张宝聪;经典社区发现算法的比较分析[D];山西大学;2017年
5 杨菊蜻;群体智能在聚类算法中的应用研究[D];贵州大学;2018年
6 贺思云;云环境下进化多目标聚类算法研究[D];贵州大学;2018年
7 武超;基于MapReduce的随机抽样K-Means算法的研究[D];辽宁工程技术大学;2016年
8 李琪;基于Spark的大数据并行聚类算法研究与改进[D];贵州大学;2018年
9 李玲;基于相关性滤波器的实时跟踪算法研究[D];西安电子科技大学;2018年
10 任忠旭;基于复杂网络的软件网络节点影响力挖掘算法研究及应用[D];燕山大学;2018年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62791813
  • 010-62985026