基于密度峰值的混合型数据聚类算法设计
来源：计算机应用杂志2018年第2期北京时间：
作者：李晔, 陈奕延, 张淑芬
单位：1. 中国市场学会 服务质量专业委员会, 北京 100048;2. 河北省数据科学与应用重点实验室(华北理工大学), 河北 唐山 063210
摘要：针对k-prototypes算法无法自动识别簇数以及无法发现任意形状的簇的问题，提出一种针对混合型数据的新方法：寻找密度峰值的聚类算法。首先，把CFSFDP（Clustering by Fast Search and Find of Density Peaks）聚类算法扩展到混合型数据集，定义混合型数据对象之间的距离后利用CFSFDP算法确定出簇中心，这样也就自动确定了簇的个数，然后其余的点按照密度从大到小的顺序进行分配。其次，研究了该算法中阈值（截断距离）及权值的选取问题：对于密度公式中的阈值，通过计算数据场中的势熵来自动提取；对于距离公式中的权值，利用度量数值型数据集和分类型数据集聚类趋势的统计量来定义。最后通过在三个实际混合型数据集上的测试发现：与传统k-prototypes算法相比，寻找密度峰值的聚类算法能有效提高聚类的精度。
关键词：聚类分析,混合型数据,数据场,聚类趋势,密度峰值
基金资助：河北省数据科学与应用重点实验室开放课题资助项目（20170320002）。
