基于密度峰值的数据流动态聚类算法研究

作     者：张国一 刘三民 ZHANG Guoyi;LIU Sanmin

作者机构：安徽工程大学计算机与信息学院芜湖241000 

基　　金：安徽省高校自然科学研究重点项目(KJ2021A0516) 安徽省自然科学基金项目(2108085MF213) 

出 版 物：《长春理工大学学报（自然科学版）》 (Journal of Changchun University of Science and Technology(Natural Science Edition))

年 卷 期：2024年第47卷第4期

页      码：82-93页

摘      要：数据流中存在不确定性,如何识别数据流环境中任意形状的数据以及噪声影响问题引起了广泛关注。为解决上述问题,设计一种鲁棒的密度峰值数据流动态聚类算法,该聚类算法的框架包括在线和离线阶段,在线阶段旨在即时响应并处理连续到达的数据,在线阶段通过设计微簇的不均匀衰减策略减少历史数据对聚类的影响,和根据样本到微簇距离动态地对样本加权。离线阶段在密度峰值聚类的基础上设计基于最近邻域自适应的局部密度计算方法,降低密度峰值算分配阶段的“多米诺效应”影响。该方法能够进行复杂的数据处理,不受有限内存影响,有较好的鲁棒性。对人工数据集和真实数据集进行对比实验,实验结果表明该算法优于其他算法。所提出的鲁棒的密度峰值数据流动态聚类算法能给出更好的聚类效果。

主 题 词：数据流 聚类 不均匀衰减策略 最近邻域 密度峰值 

学科分类：08[工学] 0835[0835] 081202[081202] 0812[工学-测绘类] 

D　O　I：10.3969/j.issn.1672-9870.2024.04.012

馆 藏 号：203140317...