基于网格近邻优化的密度峰值聚类算法

密度峰值聚类(DPC)将数据样本点的局部密度和相对距离进行结合,能对任意形状数据集进行聚类处理,但密度峰值聚类算法存在主观选择截断距离、简单分配策略和较高时间复杂度等问题。为此,提出了一种基于网格近邻优化的密度峰值聚类算法(KG-DPC算法)。首先对数据空间进行网格化,减少了样本数据点之间距离的计算量;在计算局部密度时不仅考虑了网格自身的密度值,而且考虑了周围k个近邻的网格密度值,降低了主观选择截断距离对聚类结果的影响,提高了聚类准确率,设定网格密度阈值,保证了聚类结果的稳定性。通过实验结果表明,KG-DPC算法比DBSCAN、DPC和SDPC算法在聚类准确率上有很大提升,在聚类平均消耗时间上DPC、SNN-DPC和DPC-NN算法分别降低38%、44%和44%。在保证基本聚类准确率的基础上,KG-DPC算法在聚类效率上有特定优势。

面向密度分布不均数据的加权逆近邻密度峰值聚类算法

针对密度分布不均数据,密度峰值聚类算法易忽略类簇间样本的疏密差异,导致误选类簇中心;分配策略易将稀疏区域的样本误分到密集区域,导致聚类效果不佳的问题,本文提出一种面向密度分布不均数据的加权逆近邻密度峰值聚类算法。该算法首先在局部密度公式中引入基于sigmoid函数的权重系数,增加稀疏区域样本的权重,结合逆近邻思想,重新定义了样本的局部密度,有效提升类簇中心的识别率;其次,引入改进的样本相似度策略,利用样本间的逆近邻及共享逆近邻信息,使得同一类簇样本间具有较高的相似度,可有效改善稀疏区域样本分配错误的问题。在密度分布不均、复杂形态和UCI数据集上的对比实验表明,本文算法的聚类效果优于IDPC-FA、FNDPC、FKNN-DPC、DPC和DPCSA算法。

高光谱影像逆近邻密度峰值聚类的波段选择算法

密度峰值聚类波段选择算法利用局部密度描述波段的密度信息,然而现有的局部密度容易忽略波段分布的全局信息,不能有效描述波段的分布特征,导致波段子集分类精度有限。为解决上述问题,本文提出一种基于逆近邻的密度峰值聚类波段选择算法。首先,利用波段与其K近邻构建K近邻有向图,获取波段的逆近邻,以及波段之间的共享近邻和共享逆近邻;然后,利用共享近邻和共享逆近邻并集的个数作为波段之间的相似度,利用波段与其逆近邻的平均欧氏距离和相似度构造增强型局部密度;最后,将增强型局部密度、距离因子、信息熵三者的乘积作为权重值,根据权重值挑选波段子集。为提高试验效率和实用性,本文算法还提出一种自动获得K值的自适应K值方法。在3个高光谱标准数据集上的试验结果表明,本文算法得到的波段子集比其他先进算法挑选的波段有更好的分类性能,尤其是在波段数较少的情况下,而且计算效率较高。

面向密度分布不均数据的混合近邻密度峰值聚类算法

密度峰值聚类算法(DPC)的局部密度忽略了密度分布不均数据的疏密差异,易导致类簇中心聚集在密集区域;其分配策略在分配剩余样本时,易将稀疏区域样本错误分配到密集区域,致使聚类效果不佳.为克服上述缺陷,本文提出了面向密度分布不均数据的混合近邻密度峰值聚类(MN-DPC)算法.首先,利用自然近邻信息定义样本的局部密度,平衡稀疏区域与密集区域样本之间的密度差异,从而正确找到稀疏区域的类簇中心;其次,利用样本之间的共享及自然近邻信息对样本相似度进行加权处理,加强了同一类簇样本间的相似度,有效的避免稀疏区域样本被错误分配.本文将MN-DPC算法与IDPC-FA,DPC-DBFN,DPCSA,FNDPC,FKNN-DPC,DPC算法进行对比.实验结果表明,MN-DPC算法能有效聚类密度分布不均及UCI数据集.

局部标准差优化的密度峰值聚类算法

密度峰值聚类(clustering by fast search and find of density peaks,DPC)算法是一种基于密度的聚类算法,它可以发现任意形状和维度的类簇,是具有里程碑意义的聚类算法。然而,DPC算法的样本局部密度定义不适用于同时发现数据集的稠密簇和稀疏簇;此外,DPC算法的一步分配策略使得一旦有一个样本分配错误,将导致更多样本的错误分配,产生“多米诺骨牌效应”。针对这些问题,提出一种新的样本局部密度定义,采用局部标准差指数定义样本局部密度,克服DPC的密度定义缺陷;采用两步分配策略代替DPC的一步分配策略,克服DPC的“多米诺骨牌效应”,得到ESDTS-DPC算法。与DPC及其改进算法KNN-DPC、FKNN-DPC、DPC-CE和经典密度聚类算法DBSCAN的实验比较显示,提出的ESDTS-DPC算法具有更好的聚类准确性。

密度峰值聚类在塔机损伤诊断中的应用研究

建立塔机有限元模型,获取塔机完好状态和各损伤工况的各采集点的动态位移。提出了两种模型建立方法,基于悬臂梁的双输入单输出模型和基于时域数据的动态双输入单输出模型,对基于时域数据的双输入单输出模型首先利用最小二乘法计算参数初值,进一步利用粒子群优化方法进行参数优化,提高了模型精度。以完好工况的塔机数据为基础,建立基于悬臂梁的双输入单输出模型和基于时域数据的双输入单输出模型,计算参数,建立损伤识别模型,用待检状态的位移数值拟合模型,用两种模型计算出的残差方差做损伤因子,利用密度峰值聚类方法对损伤因子进行分析,实现了对塔机的损伤判定和损伤位置的确定。这种基于密度峰值聚类的诊断方法可对塔机微小损伤进行智能诊断和位置确定,该方法只需要塔机完好状态的数据和待检状态的数据即可自动诊断,解决了塔机损伤识别中损伤数据难以获取,因而无法实现智能训练和诊断的问题。

时序加权密度峰值聚类算法及用电负荷特性分类模型

针对现有的密度峰值快速搜索算法没有考虑数据的时序性、无法处理动态时间序列数据的问题,在密度峰值快速搜索算法基础之上,增加时序加权因子对数据点间的拓扑关系进行改进,提出了时序加权密度峰值聚类算法,使密度峰值快速搜索算法具有处理动态时序数据的能力.使用基于时序加权密度峰值聚类算法的用户负荷分类模型对OpenEI公布的用户电力负荷数据集进行处理,其聚类效果对比基于密度峰值聚类算法的用户负荷分类模型结果更准确,且统计学评价指标均有所提升.

融合优化可调Q因子小波变换的改进密度峰值聚类算法

为提升时间序列的聚类精度,提出一种融合优化可调Q因子小波变换的改进密度峰值聚类(improved density peaks clustering based on optimal tunable Q-factor wavelet transform,OTQWT-IDPC)算法,该算法利用可调Q因子小波变换的能量优化选择策略及改进粒子群优化算法确定的最佳Q因子分解时序信号,通过最优特征子带的能量、均值、标准差和模糊熵构建特征子空间,并采用主成分分析降低特征维度,以减少特征冗余。同时,考虑到距离较远而周围密集程度较大的K近邻样本对局部密度的贡献率,引入权重系数及K近邻重新定义DPC的局部密度,并利用共享最近邻描述样本间的相似性。在BONN癫痫脑电信号和CWRU滚动轴承数据集上进行对比实验,结果表明,该算法的聚类精度分别为95%、94%,且Jacarrd、FMI和F_(1)值指标均优于其他对比算法,证明了OTQWT-IDPC算法的有效性。

基于密度峰值聚类的Tri-training算法

Tri-training利用无标签数据进行分类可有效提高分类器的泛化能力,但其易将无标签数据误标,从而形成训练噪声。提出一种基于密度峰值聚类的Tri-training(Tri-training with density peaks clustering,DPC-TT)算法。密度峰值聚类通过类簇中心和局部密度可选出数据空间结构表现较好的样本。DPC-TT算法采用密度峰值聚类算法获取训练数据的类簇中心和样本的局部密度,对类簇中心的截断距离范围内的样本认定为空间结构表现较好,标记为核心数据,使用核心数据更新分类器,可降低迭代过程中的训练噪声,进而提高分类器的性能。实验结果表明:相比于标准Tritraining算法及其改进算法,DPC-TT算法具有更好的分类性能。

基于密度峰值聚类的宽角域散射中心聚类

宽角域合成孔径雷达(wide-angle synthetic aperture radar,WA-SAR)有着更广泛的角度覆盖范围,基于此得到的宽角域散射中心(wide-angle scattering centers,WA-SCs)包含了目标物体更加丰富的电磁散射特征,这对雷达的目标建模、目标识别等有着重要的意义。为了克服WA-SCs数据维度高、所含信息复杂的特点,并从中提取出所需的目标物体特征,采取密度峰值聚类(density peak clustering,DPC)算法研究WA-SCs。基于SLICY模型数据,从聚类内部评价指标、聚类可视化和算法自动化程度3个方面,将本文算法与经典的K-means、DBSCAN和MeanShift算法进行了对比实验。结果表明,DPC算法具有自动化程度高、高维数据适应性强、聚类精度高等优点,有望为后续的一系列基于WA-SCs的目标建模、目标识别等工作提供技术支撑。

基于共享最近邻的自适应密度峰值聚类算法

密度峰值聚类算法(DPC)是一种简单高效的无监督聚类算法,该算法虽能自动发现簇中心,实现任意形状数据的高效聚类,但依然存在一些缺陷。针对密度峰值聚类算法在定义相关度量值时未考虑数据的位置信息、聚类中心数目需要人工预先设定且分配样本点时易出现连锁反应这3个缺陷,提出一种基于共享最近邻的自适应密度峰值聚类算法。首先,利用共享最近邻重新定义局部密度等度量值,充分考虑了数据分布的局部特点,使样本点的空间分布特征得以更好地体现;其次,通过引入密度衰减现象让样本点自动聚集成微簇,实现了簇个数自适应确定和簇中心自适应选取;最后,提出一种两阶段的分配方法,先将微簇合并形成簇的主干部分,再用上一步分配好的簇主干指导剩余点的分配,避免了链式反应的发生。在二维合成数据集以及UCI数据集上的实现表明,相较于经典的密度峰值聚类算法及近年来对其提出的改进算法,在大多数情况下,所提算法表现出更优异的性能。

基于密度峰值聚类和改进LWLR的短期电力负荷预测

短期电力负荷数据具有复杂性和不确定性等特征,这些特征往往会对数据的预测结果产生不可控制的影响。使用传统的聚类方法对短期电力负荷数据进行聚类分析时,预测结果会因电力负荷的不确定性等特点产生偏差。此外,考虑到全局回归预测方法在建模阶段无法对不同部分的数据采用不同的建模方式,限制了对于不同分布区域或不同特征子集的自适应性能力的问题。文中采用K近邻和加权相似性的密度峰值聚类算法对短期电力负荷数据进行特征分类,并提出一种利用K近邻的局部加权线性回归模型对短期电力负荷进行预测。该模型的优点在于避免了欧氏距离对簇类中心选取的影响,降低了全局数据对局部数据的负面影响,避免了簇类划分的集中效应,提高了模型的泛化能力。通过与模糊C均值聚类和传统的全局回归预测方法对比,本文提出的模型对于真实电力数据的预测效果更加优越。

基于共享邻近度和概率分配的密度峰值聚类算法

针对密度峰值聚类(DPC)算法难以准确找到流形数据的类簇中心以及剩余样本点分配过程易发生连带错误等问题,提出了一种基于共享邻近度和概率分配的密度峰值聚类(SP-DPC)算法。基于K近邻和共享K近邻定义了样本点间的共享邻近度,使用共享邻近度重新定义了样本点的局部密度,从而找到正确的类簇中心;利用样本点的K近邻信息,提出传递概率分配策略和证据概率分配策略共同优化剩余样本点的分配,从而避免分配连带错误;在17个合成数据集和12个UCI数据集上进行实验,将SP-DPC算法与DPC算法、SKM-DPC算法、DPC-NN算法、DBSCAN算法、K-means算法进行对比,实验结果表明SP-DPC算法在AMI、ARI、FMI这3个评价指标上整体取得了相对最优值,聚类效果优于其他对比算法。

基于类簇合并的无参数密度峰值聚类算法

密度峰值聚类算法(DPC)通过决策图直观地找到类簇中心进而完成聚类,是一种简单高效的聚类算法。然而,DPC算法的截断距离和类簇中心都是人为确定的,受主观影响较大,具有不确定性。针对上述问题,提出一种基于类簇合并的无参数密度峰值聚类算法(NDPCCM)。首先根据样本点两两之间的相似度的分布特征将其分为类内相似度和类间相似度两种类型,并利用类内相似度自动确定截断相似度,避免了人为设置参数;接着根据簇中心权值的下降趋势自动选择初始类簇中心,得到初始类簇;最后通过合并初始类簇对初步聚类结果进行优化,提高了聚类的准确性。在人工数据集和UCI真实数据集上,将所提算法与DPC、DBSCAN、K-means算法进行对比实验。结果表明所提算法无需输入参数就能够自动得到类簇,且聚类性能优于其他算法。

自适应引力密度峰值聚类优化算法

针对密度峰值聚类(Density Peak Clustering,DPC)算法对截断距离的取值较为敏感,密度度量标准不统一且人为选取聚类中心存在主观性的问题,提出了一种自适应引力密度峰值聚类优化(Optimized Adaptive Gravitational Density Peak Clustering Algorithm,OAGDPC)算法。首先采用模糊加权K-近邻技术(Fuzzy Weighted KNearest Neighbors Density Peak Clustering,FKNN-DPC)重新定义了局部密度,统一了密度度量的标准;然后提出一种自适应选择聚类中心的策略,结合基于引力的密度峰值(Gravitational Density Peak Clustering,GDPC)算法中牛顿万有引力定律与DPC算法的参数映射,使用引力类比距离,并设置综合考虑局部密度和引力的决策参数,依据决策参数降序折线图的顶角变化自适应确定聚类中心;最后聚集非中心点并识别异常点。实验选取DPC、GDPC、FKNN-DPC和OAGDPC在人工和UCI数据集上进行测试,结果表明,OAGDPC算法在各数据集上都有良好的表现,特别在聚类结果准确性、自适应能力、鲁棒性方面相对于对比算法具有明显优势。

改进密度峰值聚类的多源数据异常值检测算法

多源数据集中的数据类杂、数据量大,其中异常数据识别困难。针对多源数据异常值检测准确率低、稳定性差的问题,提出一种基于改进峰值密度聚类算法(NDPC算法)的多源数据处理方法,并在该算法的基础上构建出NDPC-SVM多源数据异常检测模型。模型首先使用数据预处理的方式对多源姿态图像数据进行数字化转换,以提高数据的可操作性;然后采用差分隐私保护算法对数据进行加密保护,并构建出隐私数据查询机制,提高数据的隐私性;接着利用NDPC算法对数据进行聚类处理,提高模型构建的鲁班性;最后利用交叉验证的方式优化构建出NDPC-SVM多源数据异常检测模型。消融仿真结果表明,四类优化算法的叠加显著的提高了异常数据检测的准确率与稳定性。对比仿真结果表明,与基线聚类算法模型相比,NDPC-SVM模型的准确率高达93.14%,召回率平均提升了2.48,综合性能上升了3.35%。因此,基于NDPC算法构建的NDPC-SVM多源数据异常检测模型在解决多源数据处理难度大的同时,提升了异常值检测的准确性与稳定性。

改进旋转平衡森林的数据密度峰值聚类算法

非平衡数据中少数类样本数量少,存在分类检测准确率低下的问题,为提高少数类检测精度,同时提高分类检测的通用性,将ADPC自适应密度峰值聚类优化算法与ROBF旋转平衡森林算法有机融合,提出一种改进的非平衡数据密度峰值聚类算法,即ROBF-ADPC算法。算法首先采用SMOTE数据采样法,通过合成少数类样本以提高非平衡数据的协方差收缩性,并基于系统参数获取特征子集;然后采用PCA主成分分析法对特征子集进行特征旋转变换,并采用HSLS插值法提高数据集的平衡度;接着通过对样本局部域密度的标准化处理,并在降序图中拉伸“奇点”附近样本;最后利用自适应优化策略完成聚类中心分配,完成非平衡数据分类任务。消融实验结果显示,三类优化模块均对分类结果均起正向影响,且三类优化算法的叠加将少数类分类精确度提升了8.08%,但时效性略有下降;对比实验结果表明,ROBF-ADPC聚类模型在对非平衡数据进行分类时,在三类数据集下,较其余8类融合模型相比,少数类分类准确率R平均提高了5.13%,且系统特异度恒为最大值。综上所述,上述ROBF-ADPC算法模型可以有效的提升非平衡数据集中少数类检测精度,具有重要的仿真价值。

基于网格的半监督密度峰值聚类算法

为了有效利用已知信息快速地进行数据聚类,提出了一种基于网格的半监督密度峰值聚类(GS-DPC)算法。利用统计信息网格对数据集进行划分,将落在网格内数据点的个数作为局部密度值,计算出每一个网格代表点;根据局部密度值和相对距离值确定聚类中心;利用成对约束集指导聚类过程后得到聚类结果。实验结果表明,GS-DPC算法进行数据聚类算法的平均消耗时间比密度峰值聚类算法(DPC)降低32百分点;GS-DPC算法在6个数据集上的平均精确度(ACC)约为0.84,平均调整互信息(AMI)约为0.68,平均调整兰德系数(ARI)约为0.67,因此GS-DPC算法可以快速且有效地进行数据聚类并获得较好的聚类结果。

结合灰狼优化算法和动态邻域的三支密度峰值聚类算法

针对密度峰值聚类算法聚类效果受截断距离dc的取值影响较大以及传统二支聚类处理不确定数据强制划分带来的决策错误,提出结合灰狼优化算法和动态邻域的三支密度峰值聚类算法。首先,为解决截断距离dc的选取难问题,将聚类内部指标Silhouette指标作为目标函数,利用灰狼优化算法(GWO)的全局寻优能力求解最优的截断距离dc;为了使不确定数据的划分更加合理,结合动态邻域的思想,利用K近邻算法将二支聚类结果转化为三支聚类结果。通过在人工数据集以及UCI真实数据集的实验验证,该算法的聚类精度和总体性能优于其他5种对比算法。

自适应密度峰值聚类算法

密度峰值聚类(DPC)以其简单、高效的特点被广泛应用。然而,其有两个不足:(1)集群密度不均匀和不平衡的数据集在DPC所提供的决策图中,很难识别真正的聚类中心;(2)存在一个区域密度最高的点的错误分配将导致该区域内的所有点都指向同一个错误的聚类的“链式效应”。针对这两个不足,引入新的自然邻域(NaN)的概念,提出了一种基于自然邻域的密度峰值聚类算法(DPC-NaN)。算法使用新的自然邻域密度识别噪声点,选择初始预聚类中心点,将非噪声点按密度峰值方法进行分配以得到预聚类;并通过确定预聚类的边界点和合并半径,自适应地将预聚类结果合并为最终聚类。所提算法无需人工预设参数,也缓解了“链式效应”的问题。实验结果表明,与相关聚类算法相比,所提出的算法可在典型的数据集上获得更好的聚类结果,同时在图像分割表现良好。