[发明专利]一种基于自然最近邻与最短路径的密度峰值聚类方法

摘要

一种基于自然最近邻与最短路径的密度峰值聚类方法，包括以下步骤：S1、获取数据集，采用自然最近邻算法求解数据点的自然最近邻和反向自然最近邻，并构建数据集的反向自然最近邻域图(Reverse Natural Nearest Neighborhood Graph：RNG)；S2、根据数据点的自然最近邻和反向自然最近邻，求解数据点的局部密度和归一化局部密度；S3、依据数据点的归一化局部密度，获得候选聚类中心集，并依据RNG计算每个候选聚类中心的自然最短距离；S4、根据每个候选聚类中心的归一化局部密度和自然最短距离，构建决策图，选出正确的聚类中心；S5、按新的分配策略得到最终的聚类结果。不需要选取截止距离，并且可以有效处理复杂结构的数据集。

主权项

1.一种基于自然最近邻与最短路径的密度峰值聚类方法，其特征在于，包括以下步骤：/n步骤S1、获取数据集，根据自然最近邻算法求得数据集中数据点x_i的自然特征值sup_k和反向自然最近邻值rnb_i，并构建数据集的反向自然最近邻域图RNG；/n步骤S2、根据数据点x_i的自然特征值sup_k和反向自然最近邻值rnb_i，计算数据点x_i的局部密度ρ_i和归一化局部密度Nρ_i：/n /n /n其中，d_ii是数据点x_i与数据点x_j的欧几里德距离，数据点x_j是数据点x_i的自然最近邻；sup_k表示由自然最近邻算法得到的自然特征值；NN_i表示数据点x_i的自然最近邻集合；meanρ_i表示数据点x_i的自然最近邻的密度的平均值；stdρ_i表示数据点xi的自然最近邻的密度的标准差；/n步骤S3、依据所述数据点x_i的归一化局部密度，获得候选聚类中心集；根据所述RNG，获得候选聚类中心之间的最短路径P＝(p₁，p₂，...，p_t)，设数据点p_k是P中密度最小的点，d为数据点p_k到p_k-1和p_k+1的距离的较大值，并据此计算每个候选聚类中心的自然最短距离δ_i：/n /n其中，max是候选聚类中心x_i和候选聚类中心x_j的最短路径P中的数据点的反向自然最近邻值；rnb_k是数据点p_k的反向自然最近邻值；k是数据点p_k在路径P中的位置；/n步骤S4、根据每个候选聚类中心的Nρ_i和δ_i，构建决策图，选出正确聚类中心；/n步骤S5、将数据集中的数据点分配到其相连通的正确聚类中心所属的簇。/n