基于CDbw和人工蜂群优化的密度峰值聚类算法

来源：吉林大学学报·理学版杂志2018年第6期北京时间：

作者：姜建华, 吴迪, 郝德浩, 王丽敏, 张永刚, 李克勤

单位：1. 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;2. 吉林大学 符号计算与知识工程教育部重点实验室, 长春 130012;3. 纽约州立大学 计算机系, 美国 纽约 12561

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.

关键词：聚类分析,CDbw评价指标,密度峰值,密度聚类,人工蜂群算法