主页期刊介绍编委会编辑部服务介绍道德声明在线审稿编委办公English
2020-2021年专刊出版计划 微信服务介绍 最新一期:2020年第9期
     
在线出版
各期目录
纸质出版
分辑系列
论文检索
论文排行
综述文章
专刊文章
美文分享
各期封面
E-mail Alerts
RSS
旧版入口
中国科学院软件研究所
  
投稿指南 问题解答 下载区 收费标准 在线投稿
徐晓,丁世飞,丁玲.密度峰值聚类算法研究进展.软件学报,0,(0):0
密度峰值聚类算法研究进展
Survey on Density Peaks Cclustering Algorithm
投稿时间:2019-11-17  修订日期:2020-04-19
DOI:10.13328/j.cnki.jos.006122
中文关键词:  密度峰值聚类  聚类精度  计算复杂度  应用
英文关键词:Density peaks clustering  clustering accuracy  computational complexity  application
基金项目:国家自然科学基金(61672522,61976216).
作者单位E-mail
徐晓 中国矿业大学计算机科学与技术学院 徐州 221116  
丁世飞 中国矿业大学计算机科学与技术学院 徐州 221116
矿山数字化教育部工程研究中心 徐州 221116 
dingsf@cumt.edu.cn 
丁玲 中国矿业大学计算机科学与技术学院 徐州 221116  
摘要点击次数: 150
全文下载次数: 72
中文摘要:
      密度峰值聚类(density peaks clustering,DPC)算法是聚类分析中基于密度的一种新兴算法,该算法考虑局部密度和相对距离绘制决策图,快速识别簇中心,完成聚类.DPC具有唯一的输入参数,且无需先验知识,也无需迭代.自2014年提出以来,DPC引起了学者们的极大兴趣并得到了快速发展.本文首先阐述DPC的基本理论,并通过与经典聚类算法比较分析了DPC的特点;其次,分别从聚类精度和计算复杂度两个角度分析了DPC的弊端及其优化方法,包括局部密度优化、分配策略优化、多密度峰优化以及计算复杂度优化,并介绍了每个类别的主要代表算法;最后介绍了DPC在不同领域中的相关应用研究.我们对DPC的优缺点提供了全面的理论分析,并对DPC的优化以及应用进行了全面阐述.我们还试图找出进一步的挑战来促进DPC研究发展.
英文摘要:
      Density peaks clustering (DPC) algorithm is an emerging algorithm in density-based clustering analysis which drawns a decision-graph based on the calculation of local-density and relative-distance to obtain the cluster centers fast. DPC is known as only one input parameter without prior knowledge and no iteration. Since DPC was introduced in 2014, it has attracted great interests and developments in recent years. This survey first analyzes theoretical of DPC and analyzes the satisfactory behaviors of DPC by comparing with classical clustering algorithms. Secondly, DPC survey is described in terms of clustering accuracy and computational complexity, including local-density optimization, allocation-strategy optimization, multi-density peaks optimization and computational complexity optimization, to provide a clear organization. The main representative algorithms of each category are presented simultaneously. Finally, it introduces the related application research of DPC in different fields. The characteristic of this overview is that we provide a comprehensive analysis for the advantages and disadvantages of DPC, and give a comprehensive description for the improvements and applications of DPC. We also attempt to find out some further challenges to promote DPC researching.
HTML  下载PDF全文  查看/发表评论  下载PDF阅读器
 

京公网安备 11040202500064号

主办单位:中国科学院软件研究所 中国计算机学会 京ICP备05046678号-4
编辑部电话:+86-10-62562563 E-mail: jos@iscas.ac.cn
Copyright 中国科学院软件研究所《软件学报》版权所有 All Rights Reserved
本刊全文数据库版权所有,未经许可,不得转载,本刊保留追究法律责任的权利