[发明专利]密度峰值聚类算法的聚类策略优化

权利要求书

1.密度峰值聚类算法的聚类策略优化，包括以下步骤：

步骤1：找出位于簇与簇连接处的样本点，将其标记为噪声点，利用噪声点将簇与簇之间的欧式距离控制在R范围内；

步骤2：根据决策图选取聚类中心点，以每个聚类中心点为初始聚类中心，对每个簇分别进行聚类；

步骤3：分配剩余未被标记的点，将所有未分配的点分配给离其最近的点。

2.根据权利要求1所述的密度峰值聚类算法的聚类策略优化方法，其特征在于：所述步骤1中，计算每个样本点到离其最近的第k个样本点之间的欧氏距离，此欧氏距离记为该点的k-dist值，将所有样本点的k-dist值按由小到大的顺序排列，取5％左右k-dist值最大的样本点，将其标记为原始噪声点，为了使簇与簇之间分离的更加彻底，以每个原始噪声点为中心，将离该噪声点最近的n个噪声点标记为新噪声点，同时，将所有原始噪声点到离其最近的第n个点的欧氏距离保存起来，从中选取最小值，记作R。

3.根据权利要求1所述的密度峰值聚类算法的聚类策略优化方法，其特征在于：所述步骤2中，以每个聚类中心点为圆心，以R为半径画圆，将圆内所有未被标记过的点(该点不能是噪声点)，标记为同一类，利用广度优先搜索遍历算法，逐层进行遍历。

4.根据权利要求1所述的密度峰值聚类算法的聚类策略优化方法，其特征在于：所述步骤3中，先将未被遍历到的点分配给离其最近的点所在的类，然后分配新噪声点，最后分配原始噪声点。