计算机应用研究

作者：史曼曼,宋朝炀,张景祥,

单位：江南大学理学院,江苏无锡214122；

关键词：密度峰值聚类算法,可调Q因子小波变换,粒子群优化算法,主成分分析,

基金：国家自然科学基金资助项目(62176105)；；

为提升时间序列的聚类精度，提出一种融合优化可调Q因子小波变换的改进密度峰值聚类（improved density peaks clustering based on optimal tunable Q-factor wavelet transform，OTQWT-IDPC）算法，该算法利用可调Q因子小波变换的能量优化选择策略及改进粒子群优化算法确定的最佳Q因子分解时序信号，通过最优特征子带的能量、均值、标准差和模糊熵构建特征子空间，并采用主成分分析降低特征维度，以减少特征冗余。同时，考虑到距离较远而周围密集程度较大的K近邻样本对局部密度的贡献率，引入权重系数及K近邻重新定义DPC的局部密度，并利用共享最近邻描述样本间的相似性。在BONN癫痫脑电信号和CWRU滚动轴承数据集上进行对比实验，结果表明，该算法的聚类精度分别为95%、94%，且Jacarrd、FMI和F1值指标均优于其他对比算法，证明了OTQWT-IDPC算法的有效性。

来源：2024年第2期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2024年第2期