密度峰值聚类算法的理论与应用综述.docx

密度峰值聚类算法的理论与应用综述

目录

内容概括．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．3

1.1研究背景与意义．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．3

1.2聚类分析概述．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．5

1.3密度峰值聚类算法研究现状．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．7

1.4本文结构安排．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．8

相关理论与基础．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．8

2.1聚类分析的基本概念．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．10

2.1.1数据点与簇的定义．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．13

2.1.2聚类目标与评价标准．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．13

2.2传统聚类算法及其局限性．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．15

2.2.1K均值聚类算法．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．16

2.2.2层次聚类算法．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．17

2.2.3DBSCAN聚类算法．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．18

2.3密度峰值聚类算法的核心思想．．．．．．．．．．．．．．．．．．．．．．．．．．．．20

2.3.1核心点与密度可达性．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．22

2.3.2密度可达图构建．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．23

密度峰值聚类算法的理论分析．．．．．．．．．．．．．．．．．．．．．．．．．．．．．25

3.1算法流程详解．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．26

3.1.1构建密度可达图．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．29

3.1.2确定核心点．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．30

3.1.3生成簇中心．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．32

3.1.4归属分配．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．35

3.2算法参数分析．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．36

3.2.1距离参数的选择．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．37

3.2.2核心点阈值的影响．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．38

3.3算法的优缺点分析．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．40

3.3.1算法优势．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．41

3.3.2算法局限性．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．42

密度峰值聚类算法的改进研究．．．．．．．．．．．．．．．．．．．．．．．．．．．．．45

4.1参数优化方法．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．46

4.1.1基于密度的参数自适应方法．．．．．．．．．．．．．．．．．．．．．．．．．．．．47

4.1.2基于模型的自适应参数选择．．．．．．．．．．．．．．．．．．．．．．．．．．．．48

4.2算法扩展研究．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．50

4.2.1高维数据聚类．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．51

4.2.2大规模数据聚类．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．53

4.2.3基于图的密度峰值聚类．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．57

4.3集成学习方法．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．58

4.3.1基于密度峰值聚类的