摘要：相比较于其它聚类算法,密度峰值聚类算法可将任意形状的数据与较少的参数和高效的聚类速度结合起来。针对当某个类中出现多个密度峰值时,聚类结果缺乏准确性的问题,提出一种改进的密度峰值聚类算法(CFSFDP)。该算法从决策点数值变化的角度,考虑3个点(当前数据点、当前点的前一数据点与当前点的后一数据点)连线形成夹角的变化情况实现算法自主选取聚簇中心;同时为减少人为因素对聚类结果有效性造成的影响,算法通过比较类簇之间的密度属性,实现动态的子簇合并,减少主观因素对算法结果的影响。通过实验与已有密度聚类算法对比,改进算法不仅很好地避免了原算法人为确定参数给实验结果造成的影响,而且具有更好的聚类性能。

注：因版权方要求，不能公开全文，如需全文，请咨询杂志社