...
  • 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>Pattern Analysis and Applications >A novel clustering algorithm by adaptively merging sub-clusters based on the Normal-neighbor and Merging force
【24h】

A novel clustering algorithm by adaptively merging sub-clusters based on the Normal-neighbor and Merging force

机译：基于普通邻和合并力的自适应合并子集群的一种新型聚类算法

获取原文
获取原文并翻译 | 示例
           
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

Clustering by fast search and find of density peaks (DPC) is a popular clustering method based on density and distance. In DPC, each non-center point's cluster label is led by its nearest point with higher density, which may cause some misclassifications of non-center points and interfere with the choice of correct cluster centers in the decision graph. To avoid these defects, we propose a novel clustering algorithm that automatically generates clusters without using the decision graph based on the Normal-neighbor and Merging force (NM-DPC). We conduct a series of experiments on various challenging synthetic datasets. Experimental results demonstrate that NM-DPC can better identify clusters of complex shapes and automatically recognize the number of clusters.
机译：通过快速搜索和查找密度峰值（DPC）的聚类是基于密度和距离的流行聚类方法。 在DPC中，每个非中心点的群集标签由其最接近的点引导，较高的密度，这可能导致非中心点的一些错误分类，并干扰决策图中的正确群集中心。 为了避免这些缺陷，我们提出了一种新的聚类算法，它在不使用基于正常邻和合并力（NM-DPC）的情况下自动生成群集。 我们在各种具有挑战性的合成数据集进行一系列实验。 实验结果表明，NM-DPC可以更好地识别复杂形状的簇，并自动识别簇的数量。

著录项

  • 来源
    《Pattern Analysis and Applications》 |2021年第3期|1231-1248|共18页
  • 作者

    Guan Junyi; Sheng li; He Xiongxiong; Chen Jiajia;

  • 作者单位

    Zhejiang Univ Technol Coll Informat Engn Hangzhou 310023 Peoples R China;

    Zhejiang Univ Technol Coll Informat Engn Hangzhou 310023 Peoples R China;

    Zhejiang Univ Technol Coll Informat Engn Hangzhou 310023 Peoples R China;

    Zhejiang Univ Technol Coll Informat Engn Hangzhou 310023 Peoples R China;

  • 收录信息 美国《科学引文索引》(SCI);
  • 原文格式 PDF
  • 正文语种 eng
  • 中图分类
  • 关键词

    Data clustering; Density peaks; Decision graph;

    机译：数据聚类;密度峰值;决策图;

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号