论文部分内容阅读
聚类分析作为数据挖掘的核心部分,其可在无任何先验知识的情况下,通过探索数据的内部结构和数据之间的相关性来挖掘潜在的有价值信息,因此该技术已被广泛应用于文本挖掘、生物信息学、图像处理等诸多领域。密度峰值聚类(DPC)算法是一种新的被众多学者高度认可的启发式聚类算法,其具有原理简单、易于实现、聚类速度快等优势。然而,任何一种单一的聚类算法都难以解决所有的聚类问题,因此本文对DPC算法的局限性进行了创新性改进,提出了相应的改进算法。论文工作如下:1.提出了结合K近邻的改进密度峰值聚类算法。针对DPC算法的密度度量方式不统一、剩余点分配策略易带来误差传播和聚类质量较低等缺陷,本文给出了一种统一的局部密度计算方法,并结合K近邻和队列思想设计了两种不同的剩余点分配策略,提出了一种改进的密度峰值聚类算法,即IDPC算法。通过21个不同数据集的数值实验,将IDPC算法与DPC、AP、DBSCAN、K-means、FKNN-DPC等聚类算法进行比较和分析,验证了IDPC算法在聚类质量和聚类效率方面的优势。2.提出了基于K近邻和多类合并的密度峰值聚类算法。针对密度峰值聚类算法在处理结构复杂、维数较高以及同类中存在多个密度峰值的数据集时聚类性能不佳的问题,本文对聚类中心评价指标和剩余点分配策略进行了改进,并结合多类合并策略,提出了一种新型的密度峰值聚类算法,即KM-DPC算法。通过与IDPC、DPC、AP、DBSCAN、K-means、FKNN-DPC等聚类算法在22个标准数据集上的对比实验表明,KM-DPC算法优势明显。3.提出了基于密度峰值的眼动数据辨识算法。由于DPC及其改进算法仍无法处理现实中存在的具有复杂结构且各类间有较多交叉重叠的人眼运动数据,本文设计了一种新的眼动数据辨识方法,即EyeDP算法。该算法的核心是先利用新给出的距离阈值法来提取眼跳数据,然后结合密度峰值和K近邻思想设计新的剩余点分配策略和局部类合并条件来辨识注视和平滑尾随数据,最后引入容错处理步骤来减小误分率。通过比较EyeDP算法与经典眼动数据辨识算法I-VVT在11组真实眼动数据上的聚类效果和各性能指标值表明,EyeDP算法在聚类质量方面表现良好。综上所述,本文提出的改进算法取得了较好的效果,而算法中存在聚类中心选取需人工干预、相似性度量方式单一及算法运行效率有待提升等问题,这是下一步的主要工作。