學習筆記，僅供參考，有錯必究

---

文章目錄

• • Clustering by fast search and find of density peaks
  • • 摘要
    • 簡介
    • 算法
    • 實驗(略)

---

Clustering by fast search and find of density peaks

摘要

聚類分析旨在根據(jù)相似性將元素分類。它的應用范圍從天文學到生物信息學、文獻計量學和模式識別。我們提出了一種基于聚類中心的方法，其特點是聚類中心的密度高于其鄰居，并且與密度較高的點之間的距離相對較大。這種思想形成了聚類過程的基礎，在該過程中，聚類的數(shù)量直觀地產(chǎn)生，異常值被自動發(fā)現(xiàn)并從分析中排除，并且聚類被識別，而不管它們的形狀和它們嵌入的空間的維度如何。我們在幾個測試案例中展示了算法的能力。

簡介

聚類算法試圖根據(jù)元素的相似性將其分類或聚類。已經(jīng)提出了幾種不同的聚類策略(1)，但甚至對聚類的定義也沒有達成共識。在K-means(2)和K-medoids(3)方法中，聚

總結

以上是生活随笔為你收集整理的文献学习(part33)--Clustering by fast search and find of density peaks的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。