基于数据场和单次划分的聚类算法

摘要

针对现有大部分聚类算法普遍存在聚类质量不高、算法参数依赖性大、聚类类别个数和聚类中心无法准确确定等问题,在此提出了基于数据场和单次划分的聚类算法(DF SPCA).该算法通过分析数据的分布特征,引入数据场理论,在分析每个数据对象的距离和势值分布图的基础上确定聚类中心.等聚类中心确定后,其余数据点在比自身势值更高的数据点中找到与其距离最小的数据点,将类标与该数据点保持一致,从而实现单次划分.最终算法在多个数据集上进行性能测试,并与其他聚类算法进行比较.实验结果证明:DF SPCA具有较高的聚类质量,能够有效处理任意形状的簇.