基于CDbw和人工蜂群优化的密度峰值聚类算法 |
| |
引用本文: | 姜建华,吴迪,郝德浩,王丽敏,张永刚,李克勤.基于CDbw和人工蜂群优化的密度峰值聚类算法[J].吉林大学学报(理学版),2018,56(6):1469-1475. |
| |
作者姓名: | 姜建华 吴迪 郝德浩 王丽敏 张永刚 李克勤 |
| |
作者单位: | 1. 吉林财经大学 数据科学系, 吉林省互联网金融重点实验室, 长春 130117;2. 吉林大学 符号计算与知识工程教育部重点实验室, 长春 130012;3. 纽约州立大学 计算机系, 美国 纽约 12561 |
| |
摘 要: | 针对密度峰值聚类(DPC)算法存在的dc值难选择及近邻原则聚合操作在低密度区效果不佳的问题, 提出一种基于人工蜂群与CDbw聚类指标优化的密度峰值聚类(BeeDPC)算法, 以实现类簇间数据点的自动识别和合理聚类, 并解决DPC对类簇间数据点类别识别上存在的缺陷. 实验结果表明, BeeDPC算法具有自动识别并合理聚类类簇间数据点、 自动识别类簇中心点和类簇数量及自动处理任意分布数据集的优势.
|
关 键 词: | 聚类分析 CDbw评价指标 密度峰值 密度聚类 人工蜂群算法 |
收稿时间: | 2017-04-24 |
本文献已被 CNKI 等数据库收录! |
| 点击此处可从《吉林大学学报(理学版)》浏览原始摘要信息 |
| 点击此处可从《吉林大学学报(理学版)》下载免费的PDF全文 |
|