[1] 孙吉贵,刘杰,赵连宇. 聚类算法研究[J]. 软件学报, 2008,19(1):48-61.
[2] Rodriguez A, Laio A. Clustering by fast search and find of density peak[J]. Science, 2014(344):1492-1496.
[3] 李涛,葛洪伟,苏树智. 基于密度自适应距离的密度峰聚类[J]. 小型微型计算机系统, 2017,38(6):1347-1352.〖JP〗
[4] 郑河荣,陈恳,潘翔. 结合代表点和密度峰的增量动态聚类算法[J]. 浙江工业大学学报, 2017,45(4):427-433.〖JP〗
[5] 鲍舒婷,孙丽萍,郑孝遥,等. 基于共享近邻相似度的密度峰聚类算法[J/OL]. http://www.cnki.com.cn/Article/CJFDTotal-JSJY201806013.htm, 2018-04-27.
[6] 朱庆峰,葛洪伟. K近邻相似度优化的密度峰聚类[J/OL]. http://www.cnki.com.cn/Article/CJFDTotal-JSGG-20180409004.htm, 2018-04-27.〖JP〗
[7] 薛印玺,许鸿文,李羚. 基于样本密度的全局优化K均值聚类算法[J/OL]. http://www.doc88.com/p-3857478549690.html, 2018-05-02.〖JP〗
[8] 陈朝威,常冬霞. 一种基于密度差分的自动聚类算法[J]. 软件学报, 2018(4):935-944.
[9] 王岩,彭涛,韩佳育,等. 一种基于密度的分布式聚类方法[J]. 软件学报, 2017,28(11):2836-2850.
[10]李涛,葛洪伟,苏树智. 自动确定聚类中心的密度峰聚类[J]. 计算机科学与探索, 2016,10(11):1614-1622.
[11]吴烨,钟志农,熊伟,等. 一种高效的属性图聚类方法[J]. 计算机学报, 2013,36(8):1704-1713.
[12]金阳,左万利. 一种基于动态近邻选择模型的聚类算法[J]. 计算机学报, 2007(5):5756-5762.
[13]许朝阳,林耀海,张萍. 密度二分法的密度峰值聚类方法[J]. 计算机工程与应用, 2018,54(12):138-145.
[14]马福民,逯瑞强,张腾飞. 基于局部密度自适应度量的粗糙K-means聚类算法[J]. 计算机工程与科学, 2018,40(1):184-190.
[15]张涛,刘昶,周晓锋,等. 基于真实核心点的密度聚类方法[J]. 计算机应用研究, 2018,35(12):1-7.
[16]夏庆亚. 基于密度峰值和网格的自动选定聚类中心算法[J]. 计算机科学, 2017,44(S2):403-406.
[17]索明亮,周鼎,安若铭,等. 邻域密度网格聚类算法及应用[J/OL]. http://www.cnki.com.cn/Article/CJFDTotal-QHXB20180319003.htm, 2018-06-25. |