[发明专利]一种参数自适应的密度峰值聚类方法

权利要求书

1.一种参数自适应的密度峰值聚类方法，其特征在于，包括以下步骤：

S1：基于数据密度属性自动获得数据角色；

S2：以簇头节点为核心实现自动聚类；

S3、评价聚类结果与自适应调整聚类参数，迭代优化聚类结果。

2.根据权利要求1所述的一种参数自适应的密度峰值聚类方法，其特征在于，所述步骤S1包括以下步骤：

S11：计算数据点的节点局部密度，用ρ表示节点局部密度，计算公式如下：

其中d_c是以节点i为中心的邻域Ar的半径，所有在此区域内的点视为i的邻居节点，d_ij是节点i到节点j的欧氏距离；

得到节点的所有密度值之后对其进行从大到小排序得到序列

{ρ_q1，ρ_q2，...，ρ_qn}；

S12：计算数据点的最近高密度点距离，用δ表示最近高密度点距离；用以下公式计算节点i最近且比i密度高的节点的距离δ；

3.根据权利要求2所述的一种参数自适应的密度峰值聚类方法，其特征在于，所述步骤S2包括以下步骤：

当所有节点的角色分配完毕之后，所有簇内点选择距离自己最近的簇头，加入该簇头的类中，形成微簇，然后所有的微簇按以下公式计算相互间的距离：

其中，m和n分别是两个相邻微簇的节点数，i和j分别是两个不同微簇中的点，如果根据公式(3)计算的两个微簇间的距离小于d_c，则这两个簇进行合并，新簇的簇头由原簇头中局部密度较大的一个担任；当所有的微簇间的距离都大于d_c，本次聚类结束。

4.根据权利要求3所述的一种参数自适应的密度峰值聚类方法，其特征在于，所述步骤S3包括以下步骤：

采用待定点优化聚类，具体公式如下：

Δd_c＝(d_n-1-d_n-2)×(-1)×(b_n-1-b_n-2)×f₁(b_n-1，b_n-2) (4)

其中d_n-1是上一次聚类的邻域半径，d_n-1是倒数第二次聚类的邻域半径，b_n-1是上一次聚类时待定点数量，b_n-2是倒数第二次聚类时的待定点数量，f₁是调节量化函数，公式如下：