传递闭包聚类算法

非凸聚类准确

提出一种基于传递闭包的K-means聚类算法，通过传递相关性建立样本关联，可有效识别非凸、流形和线性不可分聚类。

周长杰 · Zi-Kang, Liu · 姚卫

IEEE Transactions on Fuzzy Systems 2026

参数信息

聚类纯度

1.0

平均排名

1

技术优势

能聚非凸簇

传递闭包使高相关样本即使直接距离大也能被归为同类，突破凸结构限制。

真实数据最准

在10个真实数据集上，12种算法中所有指标平均排名第一，优于划分和密度方法。

计算更快

在合成非凸数据集上，计算时间短于其他对比算法。

应用场景

• 生物序列聚类：处理非凸分布的生物序列，发现传统方法遗漏的簇。
• 社交网络分析：识别社区中非凸连接的成员关系，提高分析准确性。
• 医学图像分割：分割形状不规则的病灶或组织，增强分割完整性。
• 非凸数据聚类：直接处理非凸簇，无需依赖凸假设或预处理。