论文研究[K]近邻相似度优化的密度峰聚类.pdf

针对密度峰聚类分配时，仅考虑样本点与指向点（密度比它大的最近点）之间的距离，不适用于流形聚类（如Circleblock数据集、Lineblobs数据集等）的问题，提出了[K]近邻相似度优化的密度峰聚类算法。在计算每个点的密度与指向点后，通过相似度函数，找出每个点的[K]近邻，然后根据[K]近邻信息判断样本点的指向点是否正确，对于指向错误的点重新寻找正确的指向点，可以有效减少错误分配。在人工数据集和UCI数据集上的实验表明，新算法具有更高的准确率。