| 基于KL散度的密度峰值聚类算法 |
| |
| 引用本文： | 丁志成,葛洪伟,周竞.基于KL散度的密度峰值聚类算法[J].重庆邮电大学学报(自然科学版),2019,31(3):367-374. |
| |
| 作者姓名： | 丁志成 葛洪伟 周竞 |
| |
| 作者单位： | 江南大学 轻工过程先进控制教育部重点实验室,江苏 无锡214122;江南大学 物联网工程学院,江苏 无锡214122;江南大学 物联网工程学院,江苏 无锡,214122 |
| |
| 基金项目： | 国家自然科学基金(61305017);江苏省普通高校研究生科研创新计划项目(KYLX16_0781);江苏省普通高校研究生科研创新计划项目(KYLX16_0782);江苏省高校优势学科建设工程项目 |
| |
| 摘 要： | 快速搜索与发现密度峰值聚类(clustering by fast search and find of density peaks, DPC)算法对聚类中心点进行了全新的定义，能够得到更优的聚类结果。但该算法需要手动选取聚类中心，容易出现多选、漏选聚类中心的问题。提出一种自动选取聚类中心的密度峰值聚类算法。将参数积γ引入新算法以扩大聚类中心的选取范围，利用KL散度的差异性度量准则对聚类中心点和非聚类中心点进行清晰划分，以Dkl排序图中的拐点作为分界点实现了对聚类中心的自动选取。在人工以及UCI数据集上的实验表明，新算法能够在自动选取聚类中心的同时，获得更好的聚类效果。
|
| 关 键 词： | 聚类 密度峰值聚类(DPC) 密度聚类 自动聚类 |
| 收稿时间： | 2018/5/25 0:00:00 |
| 修稿时间： | 2019/2/25 0:00:00 |
Density peaks clustering based on Kullback Leibler divergence |
| |
| Institution: | Key Laboratory of Advanced Process Control for Light Industry, Ministry of Education, Jiangnan University, Wuxi 214122, P.R. China; School of Internet of Things Engineering, Jiangnan University, Wuxi 214122, P.R. China,Key Laboratory of Advanced Process Control for Light Industry, Ministry of Education, Jiangnan University, Wuxi 214122, P.R. China; School of Internet of Things Engineering, Jiangnan University, Wuxi 214122, P.R. China and School of Internet of Things Engineering, Jiangnan University, Wuxi 214122, P.R. China |
| |
| Abstract: | |
| |
| Keywords: | clustering clustering by fast search and find of density peaks(DPC) density clustering automatically clustering |
| 本文献已被 万方数据 等数据库收录！ |
| 点击此处可从《重庆邮电大学学报(自然科学版)》浏览原始摘要信息 |
| 点击此处可从《重庆邮电大学学报(自然科学版)》下载免费的PDF全文 |
|
