基于自适应分层共享近邻的密度峰值聚类算法

摘要

针对传统密度峰值聚类算法未考虑类簇间密度差异、需预先设定类簇数量以及单一分配策略方面的不足，提出一种基于自适应分层共享近邻的密度峰值聚类算法.首先，通过自适应共享近邻与分层次增加权重的方式计算样本间相似度，重新定义局部密度和相对距离；其次，引入二阶导数识别拐点，并基于拐点信息计算加权三角形面积以自动选取聚类中心；最后，结合相似度矩阵与相对距离进行二次分配以降低链式反应的影响.在9个人工数据集和9个UCI真实数据集上的实验结果表明，该算法在聚类性能上普遍优于密度峰值聚类算法及其改进算法，展现出更高的准确性和鲁棒性，适用于复杂分布数据的聚类分析.

关键词

密度峰值聚类 / 分层共享近邻 / 局部密度 / 聚类中心 / 分配策略