δ-开放集聚类-一种新的拓扑聚类方法

聚类是一种无监督的学习方法，广泛用于识别固有的数据结构，并应用于各种领域，例如数据挖掘，模式识别，机器学习等。 本文提出了一种新的拓扑聚类方法，称为δ-开放集聚类。 此方法的关键思想是确定数据中的δ-开放集，每个δ-开放集代表一个特定的数据类别。 结果表明，该方法即使对于复杂的数据集也具有鲁棒的性能。 它可以对形状多样的复杂数据集进行分类，识别噪声并处理高维数据集。 即使数据分布不平衡，此方法也有效。 在聚类过程中，需要一个输入参数，即δ的值。 在Olivetti人脸数据库上进行的人脸识别实验表明，该方法比峰值聚类方法的性能要可靠得多。 我们还提供了另一个改进的δ-开放集聚类，它使δ-开放集聚类能够处理具有极高密度差的聚类。