DPC-DBFN：基于密度主干和模糊邻域的密度峰聚类-源码

DPC数据库 基于密度骨干和模糊邻域的密度峰聚类 Abdulrahman Lotfi a ， Parham Moradi a ， Hamid Beigy b 计算机工程，库尔德大学，萨南达季，伊朗的一处 b谢里夫工业大学计算机工程系，伊朗德黑兰 抽象的 密度峰聚类（DPC）由于使用了非迭代过程而成为一种有效的聚类算法。 但是，DPC及其大多数改进都有以下缺点：（1）对截止距离参数高度敏感；（2）在计算局部密度时忽略数据的局部结构；（3）使用明快的内核来计算局部密度（4）遭受连锁React的原因。 为了解决这些问题，本文提出了一种称为DPC-DBFN的新方法。 所提出的方法使用模糊核来提高聚类的可分离性并减少离群值的影响。 DPC-DBFN使用基于密度的kNN图来标记主干。 此策略可防止连锁React，并为位于边界区域的那些实例有效分配真实标签，以有效地聚类具有各种形状和密度的数据。 DP