基于微簇融合的密度峰值聚类算法

宋紫阳，张 菁，刘小康，刘传修

(上海工程技术大学 电子电气工程学院，上海 201620)

0 引 言

聚类属于无监督分类，度量根据数据的相似性，将数据划分为不同簇，使得同簇中数据具有较高的相似性，不同簇的数据间具有较大差异性[1]。常见的聚类算法有三种：1)K-means算法属于基于分区的算法，参数设置简单，但该算法存在对聚类中心较为敏感、需要手动设置聚类中心个数和无法辨别噪声点的不足[2,3]；2)BIRCH算法属于层次划分，聚类结果与数据输入顺序有关[4]；3)STING算法作为基于网格划分算法，将空间划分为不同的网格单元[5]，效果取决于网格的最低力度，太大或者太小都无法识别[6]。

基于密度的聚类算法属于典型非参数型算法，其样本点的分布具有某种概率[7]。Rodriguez A和Laio A[8]开发了一种密度峰值聚类(density peak clustering,DPC)算法，该算法可以根据决策图确定聚类中心并检测非球形聚类，而无需指定聚类数。文献[9]认为DPC算法的参数计算过于简单，忽略数据间的相关性，并在高维数据表现结果不佳，对此提出了ADPC-FLD算法，该算法引入皮尔逊相关系数来计算ρi和δi，采用Fisher对数据进行降维处理。文献[10]认为DPC算法过于依赖ρi和δi，存在参数选择的问题，提出了一种基于GSA的混合聚类方法(GSA-DPC)，改进了截止距离的选择机制，提高聚类精度，并基于GSA框架设计了优化聚类中心的方法，采用遗传算法(GA)寻优。文献[11]认为当簇中含有多个密度峰时，DPC算法易将一个簇分为多个簇，提出一种基于支持向量机的新型合并策略(FDPC)，利用支持向量机(SVM)计算每个聚类结果之间的反馈值，并根据反馈值进行微簇合并。……