基于非洲秃鹫优化算法改进的密度峰值聚类

摘要

密度峰值聚类算法是一种自动寻找簇中心的新型快速搜索算法。针对其截断距离的不确定和一步式分配策略不稳健等缺陷，本文提出一种基于非洲秃鹫优化算法改进的密度峰值聚类算法。通过准确率（accuracy, Acc）这一评价指标建立优化问题的目标函数，利用非洲秃鹫优化算法强大的寻优能力对不确定的截断距离d_c进行优化，降低了人为取值的不准确性；其次，根据数据集密度均值将其划分为高低不同的密度区域，对不同区域采用不同的分配策略，针对高密度区域内的数据点采用与原密度峰值聚类相同的分配方法，对低密度区域内数据点则根据其k近邻数量进行聚类；最后，将该算法在合成和真实数据集上进行实验验证，算法的聚类性能有了很大的提升，且对密度差异性较大的数据集划分也更加精确。

关键词

非洲秃鹫优化算法 / 密度峰值 / 截断距离 / 分配策略