基于流形距离密度峰值快速搜索聚类算法.docVIP

基于流形距离密度峰值快速搜索聚类算法 　　摘要：针对2014年6月发表在Science上的基于密度峰和快速搜索的聚类算法容易忽略无密度极值的簇的缺陷，提出了一种基于流形距离的密度峰值快速搜索聚类算法。算法利用流形距离弥补了传统欧式距离对于复杂数据无法反应聚类的全局一致性（即位于同一个类中的样本点之间有较高的相似度）的缺陷，通过近邻点充分挖掘复杂数据的流形结构信息，使处于同一个流形中的样本点之间相似性较高，从而正确找到密度极值点作为聚类中心点，完成聚类。本文算法能够发现较复杂的流形结构，在公开数据集上能取得较好的实验结果 ?P键词： 聚类；流形距离；密度极值；全局一致性；聚类中心 中图分类号：TP311 文献标识码：A 文章编号：1009-3044（2017）02-0179-04 Clustering by Fast Search and ?nd of Density Peaks Based on Manifold Distance ZHANG Jia-qi1，2，ZHANG Hong-yun1，2 （1.Department of Computer Science and Technology， Tongji University， Shanghai 201804， China；2.Key Laboratory of Embedded Systems and Service Computing，Ministry of Education，Tongji University，Shanghai 201804， China） Abstract：The clustering algorithm based on density peak and fast search， which was published on Science in June 2014， is easy to ignore the cluster which has no density extreme value.So We propose an algorithm based on manifold distance to solve this problem.Instead of Euclidean distance，the algorithm uses manifold distance to reflect the global consistency of samples，which means the samples in the same cluster have high similarity.We find manifold structure information of complex data by neighbor points ，so that samples in the same manifold have high similarity and the cluster center is easy to find. In this paper， we can find manifold structure of complex data， and obtain better results in the open data sets. Key words：clustering；manifold distance；density peak； global consistency；clustering center 1 概述 聚类作为一种有效的数据分析手段，已成为模式识别，人工智能，数据挖掘等领域的研究热点。在聚类分析过程中，不需要任何先验知识或者是假设，因此聚类是一种无监督学习过程。聚类算法包括划分式聚类方法、层次聚类方法、基于密度的聚类方法和基于网格的聚类方法，以及基于模型的聚类算法.K-means[1]是应用范围最广的划分式聚类算法.然而，K-means算法的聚类结果依赖于初始类簇中心的选取，而且倾向于发现凸形状的簇，对噪声点和离群点敏感，且聚类个数K需要事先设定.针对K-means的缺陷，出现了K-modes[2]算法等诸多改进算法. DBSCAN[3]是一种比较典型的基于密度的聚类方法，要求聚类空间中的一定区域内所包含对象（点或其他空间对象）的数目不小于某一给定阈值。DBSCAN算法的显著优点是聚类速度快且能够有效处理噪声点和发现任意形状的空间聚类，与K-MEANS比较起来，不需要输入要划分的聚类个数。近邻传播聚类算法AP（affinity propagation）[4]将所有样本看作网络中的一个顶点，通过反复迭代交换近邻样本间的信息，寻找最优的类代表点样本集合，使所有样