山东大学学报(理学版)

作者：张春昊,解滨,徐童童,张喜梅

单位：1.河北师范大学计算机与网络空间安全学院, 河北 石家庄 050024;2.供应链大数据分析与数据安全河北省工程研究中心(河北师范大学), 河北 石家庄 050024;3.河北省网络与信息安全重点实验室(河北师范大学), 河北 石家庄 050024

关键词：密度峰值,自然邻居,聚类,类簇融合,离群样本,截断距离,

基金：国家自然科学基金资助项目(62076088);中央科研院所基本科研业务费资助项目(SK202324);河北师范大学技术创新基金资助项目(L2020K09)

结合自然邻居搜索算法改进了密度峰值聚类(clustering by fast search and find of density peaks, CFSFDP)算法存在的一系列问题,提出基于自然邻居搜索优化策略的密度峰值聚类(density peak clustering algorithm optimized by natural neighbor search, NaN-CFSFDP)算法。基于自然邻居搜索算法提出了一种离群样本的检测方法,针对CFSFDP算法中截断距离dc人工准确取值较难的问题,结合自然邻居搜索算法改进了dc的计算方式,实现了dc的自动取值。重新设计并统一了CFSFDP算法的样本密度度量规则,使其更关注每个样本的局部信息。由于数据集中因类簇间的密度差异大,密度峰值点集中于稠密簇使得簇丢失,因此提出样本共享自然邻居和类簇共享自然邻居的概念,构造新的类簇融合算法。合成数据集和真实数据集上的实验结果表明,在大多数情况下,NaN-CFSFDP算法在聚类性能上优于或至少与比较方法相当,且与CFSFDP算法及其改进算法相比参数更少。

来源：2025年第1期

《山东大学学报(理学版)》期刊编辑部

查看山东大学学报(理学版)杂志2025年第1期