计算机应用

作者：郭佳, 韩李涛, 孙宪龙, 周丽娟

单位：1. 山东科技大学 测绘科学与工程学院, 山东 青岛 266590;2. 山东省基础地理信息与数字化技术重点实验室(山东科技大学), 山东 青岛 266590

关键词：聚类分析,密度聚类,密度峰值,聚类中心,统计分析

基金：山东省自然科学基金资助项目（ZR2017MD003）。

针对密度峰值聚类算法（DPC）不能自动确定聚类中心，并且聚类中心点与非聚类中心点在决策图上的显示不够明显的问题，设计了一种自动确定聚类中心的比较密度峰值聚类算法（ACPC）。该算法首先利用距离的比较量来代替原距离参数，使潜在的聚类中心在决策图中更加突出；然后通过二维区间估计方法进行对聚类中心的自动选取，从而实现聚类过程的自动化。仿真实验结果表明，在4个合成数据集上ACPC取得了更好的聚类效果；而在真实数据集上的Accuracy指标对比表明，在Iris数据集上，ACPC聚类结果可达到94%，与传统的DPC算法相比提高了27.3%，ACPC解决了交互式选取聚类中心的问题。

来源：2021年第3期

《计算机应用》期刊编辑部

查看计算机应用杂志2021年第3期