一种基于相对密度和决策图的聚类算法-控制与决策.PDF

第 卷 第期 控 制 与 决 策 年 月 文章编号 一种基于相对密度和决策图的聚类算法 周世波 徐维祥 北京交通大学交通运输学院，北京； 集美大学航海学院，福建厦门 摘 要 聚类是数据挖掘领域的一个重要研究方向 针对复杂数据集中存在的簇间密度不均匀、聚类形态多样、 聚类中心的识别等问题 引入样本点 近邻信息计算样本点的相对密度 借鉴快速搜索和发现密度峰值聚类 算法的簇中心点识别方法 提出一种基于相对密度和决策图的聚类算法 实现对任意分布形态数据集聚 类中心快速、准确地识别和有效聚类 在 类典型测试数据集上的实验结果表明 所提出的聚类算法具有较好的 适用性 与经典的 算法和 等算法相比 在没有显著提高时间复杂度的基础上 聚类效果更好 对 不同类型数据集的适应性也更广 关键词 聚类；相对密度；决策图；密度峰值；近邻；数据挖掘 中图分类号 文献标志码 ffi ， ， ， ； ， ， ， ff ff ； ； ； ； ； 引 言 类效果 但是当数据集中各个簇的密度相差较大时 聚类是一种重要的数据分析技术 聚类分析的 就会遇到困难 以 算法 为例 在图 中 假 目的就是使得同一类中的对象之间具有很高的相似 定邻域半径 核心对象邻域包含的最少样本数 度 不同类中的对象高度相异 国内外学者根据不同 左边稠密的样本点将作为一个簇 而右边 稀疏的样本点则可能作为噪声点处理 这样在聚类时 的分析视角提出了不同类型的聚类算法 这些算法 在模式识别、图像处理、风险管理和生物信息学等 就会出现误判把本应归于一个簇的样本点作为噪声 处理 领域 中得到了广泛的应用 其中 基于密度的聚 类方法把簇看成数据空间中稀疏区域分开的稠密区