-
题名基于子簇融合和线性判别分析的密度峰值聚类算法
被引量:1
- 1
-
-
作者
刘小康
张菁
张延迟
-
机构
上海工程技术大学电子电气工程学院
上海电机学院电气学院
-
出处
《传感器与微系统》
CSCD
北大核心
2021年第12期133-136,140,共5页
-
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)。
-
文摘
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。
-
关键词
密度峰值聚类算法
Pearson相关系数
子簇融合
线性判别分析
-
Keywords
density peak clustering(DPC)algorithm
Pearson correlation coefficient
sub-cluster fusion(SCF)
linear discriminant analysis(LDA)
-
分类号
TP181
[自动化与计算机技术—控制理论与控制工程]
TP391
[自动化与计算机技术—计算机应用技术]
-