#Paper Reading# Clustering by fast search and find of density peaks

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。

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）

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。

参考资料：
[1]、http://blog.csdn.net/itplus/article/details/38926837

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！