计算机应用

作者：韩忠华, 毕开元, 司雯, 吕哲

单位：1. 沈阳建筑大学 信息与控制工程学院, 沈阳 110168;2. 中国科学院 沈阳自动化研究所, 沈阳 110016

关键词：数据聚类,适应性,降维,密度峰值快速聚类,谱分析

基金：国家自然科学基金资助项目（61503259）；辽宁省科技厅面上项目（201602608）；辽宁省高等学校基本科研项目（LJZ2017015）；辽宁省档案科技项目（L-2018-X-10）。

针对密度峰值快速聚类（CFSFDP）算法对不同数据集聚类效果的差异，利用谱聚类对密度峰值快速聚类算法加以改进，提出了一种基于谱分析的密度峰值快速聚类算法CFSFDP-SA。首先，将高维非线性的数据集映射到低维子空间上实现降维处理，将聚类问题转化为图的最优划分问题以增强算法对数据全局结构的适应性；然后，利用CFSFDP算法对处理后的数据集进行聚类。结合这两种聚类算法各自的优势，能进一步提升聚类算法的性能。在5个人工合成数据集（2个线性数据集和3个非线性数据集）与4个UCI数据库中真实数据集上的聚类结果显示，相比CFSFDP算法，CFSFDP-SA算法的聚类精度有一定提升，在高维数据集的聚类精度上最多提高了14%，对原始数据集的适应性更强。

来源：2019年第2期

《计算机应用》期刊编辑部

查看计算机应用杂志2019年第2期