DensityPeaksClustering

Clustering by fast search and find of density peaks

• 文章来源
  
  发表在science上
  
  网址：http://www.sciencemag.org/content/344/6191/1492.short

• 两个观点
  

  • 密度观点：聚类中心点的密度比临近点密度都大
  • 距离观点：聚类中心与比他们密度更大的点的距离都比较大

• 观点图示
  

  • Fig A：点的分布，并且已经按照密度排序。
    

  • Fig B：密度值和距离值的二维图
    

    

• 召回方案

  • 密度观点召回：召回了密度中心和靠近密度中心的点。
  • 距离观点召回：召回了离群点和密度中心点。
  • 密度召回∩距离召回：召回密度中心点

• 计算方法

  • 密度值
    

    

  • 距离值
    

    

• 综合指标

  • 可以合并两个指标，作为最终指标
  • 例如：𝛾=𝜌*𝛿
    

• 复杂度

  • 时间复杂度：
    O(m*n^2)
  • 空间复杂度：
    O(m*n^2)

• 一些聚类算法的比较

  • No Free Lunch: 没有最好的聚类方法，只有最合适的。
    

• 和dbscan比较

  • 当有渐变噪声的时候，dbscan很难找到合适的密度，去聚出这两个类，但是本算法可以