Research-基于K近邻相对密度的聚类方法

Research

Colloquium

基于K近邻相对密度的聚类方法

Speaker: 李清勇教授, 北京交通大学计算机与信息技术学院
Time: May 13, 2016, 16:00-17:00
Location: 一教303

对于聚类分析来说，如何在保证算法易用的条件下发现大规模数据集中不同形态(尺度，形状，密度)的簇是一个重大挑战。经典的聚类算法（比如KMeans，DBSCAN，Density Peak等）都难以兼顾数据的不同形态。我们将探讨一种基于K近邻相对密度的聚类算法。该方法首先通过KNN核方法估计出所有点的密度，根据KNN核密度算出相对密度，利用相对密度我们可以发现不同密度、不同尺度的初始簇(簇纯度较高但可能不完全)，最后利用K近邻图上的α可达关系对初始簇合并，得到最终聚类结果。