基于子簇融合和线性判别分析的密度峰值聚类算法

作     者：刘小康 张菁 张延迟 LIU Xiaokang;ZHANG Jing;ZHANG Yanchi

作者机构：上海工程技术大学电子电气工程学院上海201620 上海电机学院电气学院上海200240 

基　　金：国家自然科学基金天文联合基金资助项目(U1831133) 控制工程学科建设项目(18XXK009) 

出 版 物：《传感器与微系统》 (Transducer and Microsystem Technologies)

年 卷 期：2021年第40卷第12期

页      码：133-136,140页

摘      要：密度峰值聚类(DPC)算法有能够发现非球形簇等优点。但在算法中,局部密度和最近邻距离计算易忽略样本间相关性,并且算法在高维数据集上聚类效果较差。针对上述问题,提出一种基于子簇融合和线性判别分析的DPC算法(SCF-LDA-DPC)。首先,引入样本间Pearson相关系数构造加权高斯核密度估计函数计算局部密度。其次,设计一种子簇融合策略,避免数据错误分配,优化算法容错性差缺陷。最后,引入LDA算法对高维数据降维,提高DPC算法鲁棒性和准确性。多个数据集实验结果表明:SCF-LDA-DPC算法在聚类精度和聚类性能方面明显优于其他优秀算法。

主 题 词：密度峰值聚类算法 Pearson相关系数 子簇融合 线性判别分析 

学科分类：12[管理学] 1201[管理学-管理科学与工程类] 081104[081104] 08[工学] 081203[081203] 0835[0835] 0811[工学-水利类] 0812[工学-测绘类] 

D　O　I：10.13873/J.1000-9787(2021)12-0133-04

馆 藏 号：203106949...