一种基于密度自适应距离的密度峰聚类算法

摘要

本发明公开了一种基于密度自适应距离的密度峰聚类算法，主要解决基于欧氏距离的密度峰聚类算法无法有效处理复杂结构数据集的问题。实现过程为：(1)基于欧氏距离和自适应相似度计算密度自适应距离，以更好地描述数据空间分布结构；(2)基于密度自适应距离，根据数据点的邻居点总数占数据集样本总数的比例值计算算法的输入参数，即截断距离；(3)根据截断距离和密度自适应距离计算每个数据点的局部密度和该点到具有更高局部密度点的最短距离，绘制决策图，选取聚类中心；(4)将剩下的每个点分配到具有更高局部密度的最近邻点所属的簇，得到聚类结果。在人工数据集和UCI真实数据集上的实验表明，与基于欧氏距离的密度峰聚类算法相比，本发明不仅能够有效处理复杂结构数据集，而且具有更高的准确率。