基于真实核心点的密度聚类方法

摘要

针对目前聚类算法不能有效地处理模糊边界点的问题,提出了一种基于真实核心点的RDBSCAN聚类算法.提出真实核心点的概念,首先在密度聚类过程中的核心点进一步处理分类,把影响聚类效果的伪核心点剔除,将剩下的真实核心点根据密度可达原则进行聚类;然后提出密度合并判定定理:相同类簇内点的真实密度远大于不同类簇的点,以此为指导判断真实核心点的真实密度,使类簇内各点的相似性更大.通过人工数据集与UCI数据集聚类实验可看出,RDBSCAN算法降低了模糊边界点的干扰,而且出现了若干新颖的类簇分类,在密度不规则的数据集中聚类更加准确.