计算机工程与科学

作者：张梅, 陈梅, 李明

单位：（兰州交通大学电子与信息工程学院，甘肃 兰州 730070）

关键词：局部中心度量,核心区域,边界区域,互近邻,

基金：国家自然科学基金（61762057）

针对聚类算法在检测任意簇时精确度不高、迭代次数多及效果不佳等缺点，提出了基于局部中心度量的边界点划分密度聚类算法——DBLCM。在局部中心度量的限制下，数据点被划分到核心区域或边界区域。核心区域的点按照互近邻优先成簇的分配方式形成初始簇，边界区域的点参考互近邻中距离最近点所在簇进行分配，从而得到最终簇。为验证算法的有效性，将DBLCM与3个经典算法和3个近几年新提出的优秀算法，在包含任意形状、任意密度的二维数据集和任意维度的多维数据集上进行测试。另外，为了验证DBLCM算法中参数k的敏感性，在所用的数据集上做了k值与簇质量的相关性测试。实验结果表明，DBLCM算法具有识别精度高，检测任意簇效果好和无需迭代等优点，综合性能优于6个对比算法。

来源：2021年第12期

《计算机工程与科学》期刊编辑部

查看计算机工程与科学杂志2021年第12期