[发明专利]一种基于KNN的密度峰值聚类方法在审
| 申请号： | 201811617176.6 | 申请日： | 2018-12-28 |
| 公开（公告）号： | CN109697471A | 公开（公告）日： | 2019-04-30 |
| 发明（设计）人： | 朱庆生;姚成亮;粟铭瑶;冉谨铭;张智勇;程东东 | 申请（专利权）人： | 重庆大学 |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62 |
| 代理公司： | 重庆市前沿专利事务所(普通合伙) 50211 | 代理人： | 郭云 |
| 地址： | 400044 *** | 国省代码： | 重庆;50 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开一种基于KNN的密度峰值聚类方法，包括以下几个步骤：S1：通过自然邻居搜索算法得到数据集中每个样本点的K值；S2:计算数据集中每个样本点的K个近邻信息，得到第一聚类集合；S3：计算第一聚类集合中每个样本点的密度，对密度进行降序排列，标记排列前G的密度对应的样本点为核心点，对核心点进行分类形成第二聚类集合；S4：对数据集中所有样本点进行分配，得到第三聚类集合。本发明能有效解决Club算法中平均值接近0或者小于0的数据集的K值无法计算的问题，同时将非核心点的分配采取两步分配策略，提高聚类的精度。 | ||
| 搜索关键词： | 样本点 聚类集合 聚类 数据集中 算法 标记排列 分配策略 计算数据 降序排列 近邻信息 邻居搜索 有效解决 数据集 分配 分类 | ||
【主权项】：
1.一种基于KNN的密度峰值聚类方法，其特征在于，包括以下几个步骤：S1：通过自然邻居搜索算法得到数据集中每个样本点的K值；S2:计算数据集中每个样本点的K个近邻信息，得到第一聚类集合；S3：计算第一聚类集合中每个样本点的密度，对密度进行降序排列，标记排列前G的密度对应的样本点为核心点，对核心点进行分类形成第二聚类集合；S4：对数据集中所有样本点进行分配，得到第三聚类集合。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于重庆大学，未经重庆大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201811617176.6/，转载请声明来源钻瓜专利网。
