學習筆記，僅供參考，有錯必糾

---

文章目錄

• • • 引言
    • DPC算法概述
    • 例子
    • 缺點

---

引言

2014 年 6 月 Science 發表了自動確定類簇數和類簇中心的新聚類算法 DPC (clustering by fast search and find of density peaks)，該算法能快速發現任意形狀數據集的密度峰值點 ( 即類簇中心 ),并高效進行樣本點分配和離群點剔除 , 適用于大規模數據的聚類分析 .

DPC算法概述

通過快速搜索和尋找密度峰(DPC)聚類，可以用簡單的策略找到不同密度和形狀的簇。DPC的基本原理是理想密度峰具有兩個基本特征:

峰的局部密度高于鄰峰的密度;

不同峰之間的距離相對較長.

為了求出滿足上述兩種條件的密度峰，DPC引入了樣本 i i

總結

以上是生活随笔為你收集整理的聚类算法小记(part1)--基于密度峰快速搜索的聚类算法的全部內容，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站內容還不錯，歡迎將生活随笔推薦給好友。