面向簇间密度不均匀数据的密度峰值聚类优化算法.pdfVIP

DOI:10.13546/ki.tjyjc.2025.04.009

理论探讨

面向簇间密度不均匀数据的密度峰值聚类优化算法

胡文琪，李永博，王晓彤，孟路稳1223

（1.北京师范大学经济与资源管理研究院，北京100875；2.中国人民解放军92020部队，山东青岛266000；

3.中国人民解放军军事科学院国防科技创新研究院，北京100071）

摘要：针对簇间密度具有较大差异的数据集，密度峰值聚类算法对这类数据集聚类效果不理想的问题，

文章从类簇中心的选取和剩余样本的分配两个方面进行优化，提出一种面向簇间密度不均匀数据的密度峰值

聚类优化算法。先在定义样本点的局部密度时引入K近邻思想，充分考虑样本的空间分布特征，均衡簇间密度

差异较大的数据集中样本之间的密度差距，从而提高类簇中心选择的准确性；再对K近邻、自然近邻和共享近

邻信息进行混合加权，构造样本的加权相似性，加强同一类簇中样本点之间的关联性，以实现对簇间密度不均

匀数据集中剩余样本的正确分配。与DPC、K-means、DBSCAN算法的对比实验结果表明，所提算法对簇间密度

差异较大的数据集有较好的聚类效果。

关键词：密度峰值聚类；K近邻；混合近邻；样本相似性

中图分类号：TP311文献标识码：A文章编号：1002-6487（2025）04-0051-06

离，构造决策图来确定数据集的类簇中心，并依据高密度最

0引言近邻的分配策略对剩余样本点完成聚类，具有不需要设定

过多参数、过程简单且效率高和适用于不同形状类簇的优

聚类是指将数据集按照一定的相似性度量标准划分为点。但该算法仍存在一些缺点：对于簇间密度不均匀的数

不同的类簇，使相似性较高的样本被划分为同一类簇，而相据集，难以正确选择类簇中心；分配剩余样本的鲁棒性差，

似性较低的样本被划分为不同类簇，在处理数据前无须指存在错误分配的多米诺骨牌效应。

定数据集的标签信息，属于无监督学习算法的范畴。聚类本文提出一种面向簇间密度不均匀数据的密度峰值

方法在数据挖掘领域扮演着重要角色，并在机器学习、目标聚类优化算法（DPC-OA）。该算法在定义样本点的局部

跟踪、模式识别、自然语言处理、数据分析等研究领域得到密度时引入K近邻思想，充分考虑了样本的空间分布特

[1]

了广泛应用。近年来学者们基于不同的理论框架提出了征，可均衡簇间密度差异较大的数据集中样本之间的密度

多种聚类算法，主要分为以下几类：基于划分的聚类，如差异，从而能够较好地寻找到样本的类簇中心；在设计分

[2,3][4,5]

K-means算法；基于密度的聚类，如DBSCAN算法和配策略时，对K近邻、自然近邻和共享近邻信息进行混合

[6][7]

OPTICS算法；基于层次的聚类，如AGENS算法和BIRCH加权，构造样本的加权相似性，从而加强数据集中同一类

[8][9]

算法；基于网格的聚类，如STING算法等。虽然以上聚簇样本点之间的相似性，进而有利于在簇间密度不均匀的

类算法能在特定数据集上取得