分布的自动阈值密度峰值聚类算法

摘要

密度峰值聚类(DPC)是一种基于局部密度的聚类方法,在DPC中影响算法的效果的两个基本因素是局部密度定义和类中心选择.针对经典DPC在定义局部密度时没有考虑到邻域内样本点的分布情况,以及无法自动选择类中心等问题,提出一种基于分布的局部密度定义和基于最大类间差法的自动类中心选择策略.计算每个样本点截断距离圆圈内的数据点个数,同时考虑数据点的分布情况.当圈内具有相同的点个数时,如果圆圈内的数据点分布越均匀,该点的局部密度就越大,密度峰值的可能性越高.通过最大类间差法(Otsu)自动选择阈值找出类中心.实验结果表明,新算法不仅能够自动选择聚类中心,而且相比已有原算法能获得更高分类准确度.