基于密度的層次聚類算法研究.pdf

1、聚類在模式識(shí)別中被稱為無監(jiān)督分類，在統(tǒng)計(jì)學(xué)中被稱為非參數(shù)估計(jì)。其目的是在無先驗(yàn)知識(shí)的情況下，根據(jù)數(shù)據(jù)對(duì)象之間的相似性來完成數(shù)據(jù)分類，從而加深對(duì)數(shù)據(jù)的理解，或者作為一種數(shù)據(jù)壓縮的工具。聚類分析被廣泛使用在眾多領(lǐng)域，比如計(jì)算機(jī)視覺、生物信息學(xué)、圖像處理、數(shù)據(jù)庫(kù)知識(shí)發(fā)現(xiàn)等。雖然數(shù)以千計(jì)的聚類算法已經(jīng)被提出，但挑戰(zhàn)依然存在:類形狀不一，處理高維數(shù)據(jù)，怎樣決定聚類結(jié)果中類的數(shù)量，結(jié)果中一個(gè)正確的類如何定義，聚類結(jié)果難以評(píng)價(jià)等等。
　　通過指

2、定數(shù)據(jù)所在的聚集區(qū)域的基于密度的聚類算法在處理形狀復(fù)雜的類上表現(xiàn)很好。近期，Alex and Anlessandro提出了一種新的密度聚類算法CFSFDP(Clustering by Fast Search and Find of Density Peaks)，該算法和其他密度聚類算法一樣，能處理復(fù)雜形狀的聚類，也不需要提前指定數(shù)據(jù)中類的數(shù)量。同時(shí)，CFSFDP需要較少的用戶指定參數(shù)。與一些迭代聚類算法相比，該算法運(yùn)行時(shí)間低。另外，該算

3、法的研究小組利用Olivetti人臉數(shù)據(jù)庫(kù)中的圖片聚類證明了CFSFDP處理高維數(shù)據(jù)的能力。
　　然而，通過分析，我們發(fā)現(xiàn)看似如此優(yōu)雅的算法CFSFDP在面臨一些情況時(shí)效果不好。首先，相對(duì)稀疏的類中心容易被CFSFDP的決策圖所忽略。另外，該算法聚類成功有一個(gè)很嚴(yán)格的條件，那就是數(shù)據(jù)集里每個(gè)類中有且僅有一個(gè)密度極值點(diǎn)，超過一個(gè)則算法結(jié)果中類會(huì)被分裂。受層次聚類算法的啟發(fā)，本文提出了一個(gè)新的基于密度的層次聚類算法，即基于CFSFDP

4、。具體地，我們?cè)贑FSFDP類中心選取時(shí)使用積極策略得到初始聚類結(jié)果，然后利用一個(gè)改進(jìn)的類間距離計(jì)算模型計(jì)算不同類間相似度，根據(jù)相關(guān)數(shù)據(jù)逐步融合子類得到最終的聚類結(jié)果。該算法可以發(fā)現(xiàn)稀疏的類，且打破了CFSFDP對(duì)聚類中心的嚴(yán)格需求，能更好地應(yīng)用于無密度極值點(diǎn)的數(shù)據(jù)。我們通過實(shí)驗(yàn)證明了算法在沒有唯一密度極值點(diǎn)的數(shù)據(jù)集上的仍然有效，并且在實(shí)驗(yàn)中，我們的算法獲得了不輸于數(shù)據(jù)來源處所使用的算法的聚類效果。另外，在本算法中，參數(shù)選擇更加容易。<