计算机应用研究

作者：韦修喜,李康,黄华娟,周永权,庞秋奔,

单位：1.广西民族大学a.人工智能学院;b.物理与电子信息学院;c.广西混杂计算与集成电路设计分析重点实验室,南宁530006；2.广西医科大学第一附属医院信息中心,南宁530021；

关键词：密度峰值聚类,牛顿-拉夫逊优化,自适应参数优化,噪声鲁棒性,非均匀分布,

基金：国家自然科学基金资助项目(62266007)；广西自然科学基金资助项目(2021GXNSFAA220068)；；

针对密度峰值聚类（DPC）存在的截断距离参数需人工设置、对噪声敏感以及难以适应非均匀数据分布等问题，设计了牛顿-拉夫逊优化驱动的自适应密度峰值聚类方法（NRO-ADPC）。该方法基于牛顿-拉夫逊优化算法建立自适应参数优化机制，通过梯度引导的二阶优化自动确定截断距离，消除人工参数调整依赖；通过构建融合密度连续性、聚类分离度和峰值清晰度的多目标优化函数，结合自适应加权机制增强算法对噪声的鲁棒性；采用结合固定与自适应带宽的混合密度估计策略，在保持全局一致性的同时适应局部分布变化。在5个合成数据集和5个真实数据集上的实验表明，NRO-ADPC在合成数据集上平均准确率超过99%，在真实数据集上相比传统DPC平均提升超过20%。Wilcoxon符号秩检验显示，NRO-ADPC在ACC和NMI指标上相对于MDPC+等对比算法具有统计显著性优势（P<0.05），在处理高噪声、多尺度特征及非均匀分布等复杂数据时表现出色。

来源：2026年第4期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2026年第4期