快速聚类方法

快速聚类方法

快速聚类方法

1.概要

2.背景

2.1传统的聚类分析

2.2本文创新点

3.本文聚类分析

4.实验

4.1 论文中算法

4.2 改进方法

5.分析总结

6.参考文献

1.概要

1

本文算法的核心：聚类中心点的密度大于周围的点，高密度之间具有很大的距离。论文下载点这

2.背景

2.1传统的聚类分析

k­means 之类的没法解决非球面类型

很明显效果很差

A图为生成数据的概率分布, B, C二图为分别从该分布中生成了4000, 1000个点. D, E分别是B, C两组数据的决策图(decision tree), 可以看到两组数据都只有五个点有比较大的和很大的. 这些点作为类簇的中心, 在确定了类簇的中心之后, 每个点被划分到各个类簇(彩色点),或者是划分到类簇光晕(黑色点). F图展示的是随着抽样点数量的增多, 聚类的错误率在逐渐下降, 说明该算法是鲁棒的.

.Science 27 Jun 2014: ↩

2. S Wang，D Wang，C Li，Y ment on “Clustering by fast search and find of

density peaks”.《Computer Science》, 2015 ↩

3. Rashid Mehmooda, b, , Guangzhi Zhanga, , Rongfang Biea, Hassan

Dawoodd,Haseeb Ahmadc.Clustering by fast search and find of density peaks via heat diffusion.doi:10.1016/j.neucom.2016.01.102 ↩