基于混合密度和微簇聚合的密度峰值聚类算法

密度峰值聚类算法是一种简单高效聚类新算法,但该算法在处理密度分布不均匀数据集时,很难找到正确的类簇中心,并且在样本分配过程中容易出现错误连带现象,导致聚类效果不佳。针对上述问题,提出一种基于混合密度和微簇聚合的密度峰值聚类算法(HMDPC)。HMDPC算法首先根据反向K近邻和样本间的归属关系定义样本的混合密度;其次,将数据划分为多个微簇,定义微簇之间的相似度,基于此相似度对多个微簇进行聚合,从而获得最终的聚类结果。在人工数据集和UCI数据集上进行实验,并将HMDPC算法与其它6种聚类算法比较,实验结果表明HMDPC算法聚类效果较好。