计算机应用研究

作者：冯彦超,王杰,栗雅婷,蔡江辉,杨海峰,

单位：1.太原科技大学a.计算机科学与技术学院;b.电子信息工程学院,太原030024；2.中北大学计算机科学与技术学院,太原030051；

关键词：半监督学习,密度聚类,水波传播,约束优化,

基金：国家自然科学基金资助项目(12473105)；；

半监督密度聚类通过融合监督信息与密度特征优化聚类性能，但在数据分布不均时，传统半监督密度聚类算法常因全局密度阈值设定与约束信息利用不足，难以捕捉局部密度差异，导致稀疏区域簇识别能力受限。针对这一挑战，提出了一种基于水波传播特性的半监督密度聚类算法（SDR）。受水波“波心恒定”和“振幅衰减”特性的启发，SDR模拟簇心稳定性及密度从中心向边界递减的趋势，通过局部密度差异识别初始子簇。进一步利用邻居影响力分配剩余点，并结合标签附着度动态合并子簇。在5个合成数据集和7个真实数据集上的实验结果证实了SDR算法在稀疏区域聚类任务中的有效性。

来源：2025年第8期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2025年第8期