Resumen

Entre los numerosos algoritmos de clustering, se favorece el clustering por búsqueda rápida y hallazgo de picos de densidad (DPC) porque se ve menos afectado por las formas y estructuras de densidad del conjunto de datos. Sin embargo, el DPC sigue mostrando algunas limitaciones en la agrupación de conjuntos de datos con conglomerados heterogéneos y comete errores fácilmente en la asignación de los puntos restantes. El nuevo algoritmo, la agrupación de picos de densidad basada en la optimización de la densidad relativa (RDO-DPC), se propone para resolver estos problemas e intentar obtener mejores resultados. Con la ayuda de la información de vecindad de los puntos de muestra, el algoritmo propuesto define la densidad relativa de los datos de muestra y busca y reconoce los picos de densidad de la distribución no homogénea como centros de cluster. Se propone una nueva estrategia de asignación para resolver el problema de clasificación de la abundancia. Los experimentos con conjuntos de datos sintéticos y reales muestran el buen rendimiento del algoritmo propuesto.

• Materias:Matemáticas Análisis Matemático Álgebra Ingeniería Matemática aplicada Lógica matemática
• Subjects:mathematics Mathematical Analysis Algebra Engineering Applied Mathematics Mathematical logic
• Palabras claves:dpc, picos de densidad, problema de clasificación de la abundancia, agrupación de picos de densidad, nueva estrategia de asignación, conjuntos de datos reales, optimización de la densidad relativa, algoritmo, mejores resultados, centros de agrupación
• Keywords:dpc, density peaks, abundance classification problem, density peak clustering, new assignment strategy, real data sets, relative density optimization, algorithm, better results, cluster centers