近期，新濠峰娱乐
2021级本科生彭杰在陈勇副教授的指导下，完成了一篇关于密度聚类的研究论文“Density-based clustering with boundary samples verification”，被中国科新濠峰娱乐
1区Top期刊《Applied Soft Computing》接收并发表。
在机器学习领域，基于密度的聚类方法是一个重要研究方向。传统密度聚类技术主要通过分析数据的局部密度来对样本进行分类。然而，当处理边缘区域样本时，这些方法面临着较大挑战，如在低密度边界样本易被误判为噪声，在密度相近且邻近的两个群簇之间准确划分边界点的困难。
该研究提出了一种基于K最近邻的密度聚类边界样本改进方法，通过深入分析样本与其K最近邻的空间关系及其与新形成的簇之间的连接性，有效识别边界样本。在所有簇完全形成后，进一步根据样本的K最近邻调整其分类标签，从而显著提高对边界样本的分类精度。该研究通过在18个公开数据集上进行的广泛实验，验证了所提出方法的有效性。实验结果清楚地展示了该方法在处理边界样本方面的独特优势，能够有效提升聚类的准确性和鲁棒性。
图 1 所设计的算法在不同数据集上不同参数的聚类性能对比图
《Applied Soft Computing》是一本国际权威期刊，致力于推广综合性的软计算方法来解决现实生活中的问题。该期刊重点发表在模糊逻辑、神经网络、进化计算、群体智能以及其他类似技术在应对现实世界复杂性方面的最高质量研究，尤其强调这些领域的应用、进步和融合。2024年，该期刊为中国科学院1区Top期刊，影响因子为8.7。
