.png){kind=icon}
返回
Parameter-Adaptive Border Peeling Clustering Algorithm
.png){kind=icon}
PRE
AI
DOI：10.1109/TKDE.2025.3579367.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
大多数聚类算法需要设置一个或多个参数，这些参数依赖于先验知识或根据外部指标不断调整。为解决复杂数据上聚类算法依赖外部指标指导、盲目性及参数设置耗时的问题，我们提出了一种新型的参数自适应边界剥离聚类算法（PABP）。PABP算法首先利用通过自然邻域搜索识别的最大邻居数自动确定局部邻域的数量。同时，高斯核带宽可在密度测量中自适应获取，以突出高密度区域。其次，在迭代边界剥离过程中，剥离次数由密度的变异系数自适应确定。最后，基于图连接为核点分配标签，而边界点的聚类通过标签传播实现。PABP在整个过程中无需用户根据先验知识或外部指标调整参数。在实验中，PABP与七种其他先进的聚类算法在13个合成数据集、10个UCI数据集以及Olivetti Face和MNIST数据集上进行了比较。结果表明，PABP的聚类性能优于比较算法。
Keyword:
Parameter-adaptive
border peeling
improved mutual K-nearest-neighbor
coefficient of variation
期刊
IF:
10.4
论文数:
6.9K
被引数:
3.2W
查看更多机构
.png){kind=icon}
