快速识别密度骨架的聚类算法
来源：计算机应用杂志2017年第12期北京时间：
作者：邱保志, 唐雅敏
单位：郑州大学 信息工程学院, 郑州 450001
摘要：针对如何快速寻找密度骨架、提高高维数据聚类准确性的问题，提出一种快速识别高密度骨架的聚类（ECLUB）算法。首先，在定义了对象局部密度的基础上，根据互k近邻一致性及近邻点局部密度关系，快速识别出高密度骨架；然后，对未分配的低密度点依据邻近关系进行划分，得到最终聚类。人工合成数据集及真实数据集上的实验验证了所提算法的有效性，在Olivetti Face数据集上的聚类结果显示，ECLUB算法的调整兰德系数（ARI）和归一化互信息（NMI）分别为0.8779和0.9622。与经典的基于密度的聚类算法（DBSCAN）、密度中心聚类算法（CFDP）以及密度骨架聚类算法（CLUB）相比，所提ECLUB算法效率更高，且对于高维数据聚类准确率更高。
关键词：聚类算法,高维数据,k近邻,密度骨架,局部密度
基金资助：河南省基础与前沿基金资助项目（152300410191）。
