自动确定聚类中心的密度峰聚类*

李 涛，葛洪伟,2+，苏树智

1.江南大学 物联网工程学院，江苏 无锡 214122

2.轻工过程先进控制教育部重点实验室（江南大学），江苏 无锡 214122

自动确定聚类中心的密度峰聚类*

李 涛1，葛洪伟1,2+，苏树智1

1.江南大学 物联网工程学院，江苏 无锡 214122

2.轻工过程先进控制教育部重点实验室（江南大学），江苏 无锡 214122

LI Tao,GE Hongwei,SU Shuzhi.Density peaks clustering by automatic determination of cluster centers. Journal of Frontiers of Computer Science and Technology,2016,10(11)：1614-1622.

密度峰聚类是一种新的基于密度的聚类算法，该算法不需要预先指定聚类数目，能够发现非球形簇。针对密度峰聚类算法需要人工确定聚类中心的缺陷，提出了一种自动确定聚类中心的密度峰聚类算法。首先，计算每个数据点的局部密度和该点到具有更高密度数据点的最短距离；其次，根据排序图自动确定聚类中心；最后，将剩下的每个数据点分配到比其密度更高且距其最近的数据点所属的类别，并根据边界密度识别噪声点，得到聚类结果。将新算法与原密度峰算法进行对比，在人工数据集和UCI数据集上的实验表明，新算法不仅能够自动确定聚类中心，而且具有更高的准确率。

聚类；密度峰；自动聚类；密度聚类

1 引言

聚类是按照某个特定标准，根据数据自身的信息相似度，把没有给定划分类的数据集分割成不同的类或簇，使不同簇间的数据对象具有最小相似性，同一簇内的数据对象具有最大相似性[1]。聚类作为一种无监督的数据分析方法，在数据挖掘、模式识别、机器学习、信息检索等领域[2]已经得到了广泛研究和应用。

目前，已经有许多聚类算法被提出。……