基于密度峰值的聚类算法

Clusteringbyfastsearchandfindofdensitypeaks姓名：潘培哲专业：控制工程学号：12013002347——基于密度峰值的聚类算法文章来源•摘自2014-6-27《Science》期刊Clusteringbyfastsearchandfindofdensitypeaks算法思想Clusteringbyfastsearchandfindofdensitypeaks算法介绍Clusteringbyfastsearchandfindofdensitypeaks算法介绍Clusteringbyfastsearchandfindofdensitypeaks算法介绍Clusteringbyfastsearchandfindofdensitypeaks算法介绍123Clusteringbyfastsearchandfindofdensitypeaks聚类中心选取Clusteringbyfastsearchandfindofdensitypeaks聚类中心选取Clusteringbyfastsearchandfindofdensitypeaks聚类过程类簇中心找到后，剩余的每个点被归属到它的有更高密度的最近邻所属类簇。类簇分配只需一步即可完成，不像其它算法要对目标函数进行迭代优化。Clusteringbyfastsearchandfindofdensitypeaks算法存在的问题①下图中的图B（决策图）对确定聚类中心具有决定性作用，但是，对聚类中心的选取需要人为干预，而且其中包含了主观因素，不同的人可能选择不同的点作为聚类中心。决策图中聚类中心难以确定的例子Clusteringbyfastsearchandfindofdensitypeaks算法优化Clusteringbyfastsearchandfindofdensitypeaks算法存在的问题②按照原文的聚类方法，一些分散的“离群点”也会被“强制”分到类簇当中，造成聚类后类簇边界不清晰，影响聚类效果。Clusteringbyfastsearchandfindofdensitypeaks算法优化Clusteringbyfastsearchandfindofdensitypeaks聚类结果展示不区分clusterhalo的聚类结果Clusteringbyfastsearchandfindofdensitypeaks聚类结果展示区分clusterhalo的聚类结果Clusteringbyfastsearchandfindofdensitypeaks其他聚类结果展示对不同形状的类簇聚类效果都很好结束！姓名：潘培哲专业：控制工程学号：12013002347谢谢观赏