论文题目:Clustering by fast search and find of density peaks
论文地址:http://science.sciencemag.org/content/344/6191/1492
论文地址:http://science.sciencemag.org/content/344/6191/1492
论文大体内容:
作者提出了一个新的聚类方法,能够更高效、更准确地对数据进行聚类。
作者提出了一个新的聚类方法,能够更高效、更准确地对数据进行聚类。
1、聚类的基本思想就是类似于高内聚,低耦合。如果一个点是聚类中心点,那么这个点必定比周围的点的密度大,而且与其它聚类中心点的距离也大。
2、作者定义了两个变量,其中局部密度用ρ表示,与其它聚类中心点的距离用δ表示。通过分析,可以发现聚类中心点的ρ与δ均是比较大的(二维图像的右上角方向,即下图的①跟⑩)。
3、确定了聚类中心点,接下来就好做了,具体参考[1]。
4、拓展应用:该聚类方法还能拓展应用到以下方面:
①classification of living organisms
②marketing strategies
③libraries(book sorting)
④google search
⑤face recognition(连脸部识别都能应用上,而且效果还不错)
①classification of living organisms
②marketing strategies
③libraries(book sorting)
④google search
⑤face recognition(连脸部识别都能应用上,而且效果还不错)
7、思考:
这篇文章思想确实很简单、显而易见,但却等到了2014年才发在了《Science》上。说明越是简单的东西,越是貌似大家都能想到的东西,反而越少人去归纳,而真理往往就是那么显而易见,但我们大部分人却都视而不见。
这篇文章思想确实很简单、显而易见,但却等到了2014年才发在了《Science》上。说明越是简单的东西,越是貌似大家都能想到的东西,反而越少人去归纳,而真理往往就是那么显而易见,但我们大部分人却都视而不见。
以上均为个人见解,因本人水平有限,如发现有所错漏,敬请指出,谢谢!