结合柯西核的分类型数据密度峰值聚类算法

来源：计算机工程与应用杂志2022年第18期北京时间：

作者：盛锦超, 杜明晶, 李宇蕊, 孙嘉睿

单位：江苏师范大学 计算机科学与技术学院，江苏 徐州 221100

摘要：密度峰值聚类算法在处理分类型数据时难以产生较好的聚类效果。针对该现象，详细分析了其产生的原因：距离计算的重叠问题和密度计算的聚集问题。同时为了解决上述问题，提出了一种面向分类型数据的密度峰值聚类算法（Cauchy kernel-based density peaks clustering for categorical data，CDPCD）。算法首先指出分类型数据距离度量过程中有序特性（分类型数据属性值之间的顺序关系）鲜有考虑的现状，进而提出一种基于概率分布的加权有序距离度量来缓解重叠问题。通过结合柯西核函数，在共享最近邻密度峰值聚类算法基础上重新评估数据密度值，改进了密度计算和二次分配方式，增强了密度多样性，降低了聚集问题带来的影响。多个真实数据集上的实验结果表明，相较于传统的基于划分和密度的聚类算法，CDPCD都取得了更好的聚类结果。

关键词：分类型数据,有序特性,密度峰值聚类,柯西核函数,数据挖掘