基于CDbw和人工蜂群优化的密度峰值聚类算法

作     者：姜建华 吴迪 郝德浩 王丽敏 张永刚 李克勤 JIANG Jianhua;WU Di;HAO Dehao;WANG Limin;ZHANG Yonggang;LI Keqin

作者机构：吉林财经大学数据科学系吉林省互联网金融重点实验室长春130117 吉林大学符号计算与知识工程教育部重点实验室长春130012 纽约州立大学计算机系美国纽约12561 

出 版 物：《吉林大学学报（理学版）》 (Journal of Jilin University:Science Edition)

年 卷 期：2018年第56卷第6期

页      面：1469-1475页

核心收录：

学科分类：08[工学] 0835[工学-软件工程] 081202[工学-计算机软件与理论] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：吉林省自然科学基金(批准号:20180101044JC) 吉林省社会科学规划基金(批准号:2018B79) 符号计算与知识工程教育部重点实验室项目和吉林财经大学科研项目(批准号:2018Z05) 

主　　题：聚类分析 CDbw评价指标 密度峰值 密度聚类 人工蜂群算法 

摘      要：针对密度峰值聚类(DPC)算法存在的dc值难选择及近邻原则聚合操作在低密度区效果不佳的问题,提出一种基于人工蜂群与CDbw聚类指标优化的密度峰值聚类(BeeDPC)算法,以实现类簇间数据点的自动识别和合理聚类,并解决DPC对类簇间数据点类别识别上存在的缺陷.实验结果表明,BeeDPC算法具有自动识别并合理聚类类簇间数据点、自动识别类簇中心点和类簇数量及自动处理任意分布数据集的优势.