控制理论与应用

作者：赵嘉,陈蔚昌,肖人彬,潘正祥,崔志华,王晖

单位：南昌工程学院 信息工程学院,南昌工程学院 信息工程学院,华中科技大学 人工智能与自动化学院,山东科技大学 计算机科学与工程学院,太原科技大学 计算机科学与技术学院,南昌工程学院 信息工程学院

关键词：密度峰值聚类; 逆近邻; 共享近邻; 二阶K近邻; 流形数据

基金：国家自然科学基金项目(62466037, 62166027)资助.

密度峰值聚类算法能够快速高效处理数据集且无需迭代. 但该算法在处理流形数据时, 易错选类簇中心和错误分配样本. 因此, 本文提出面向流形数据的共享近邻和二阶K近邻密度峰值聚类(DPC–SKNN)算法. 首先, 该算法引入逆近邻和共享近邻重新定义局部密度, 充分考虑样本的局部信息和全局信息, 使算法易找到正确的流形类簇中心; 其次, 将样本的关联关系分为K近邻点、二阶K近邻点和非近邻点3种情况, 设计K近邻的分配策略, 增强同一类簇样本的相似性, 提高样本分配的准确率. 将本文算法与8种算法在流形和UCI数据集进行对比, 实验结果表明,DPC-SKNN算法在上述数据集上均获得了不错的聚类结果.

来源：2026年第2期

《控制理论与应用》期刊编辑部

查看控制理论与应用杂志2026年第2期