Density Peak改进（Hierarchical）

参考文献：DenPEHC-Density peak based efficient hierarchical clustering(Information Sciences 2016 B)

1、改进：
- DPC是划分聚类（flat clustering）,不能发现群组的层次结构
- 能够对大规模、高维数据集(LSHD)进行聚类

2、主要思想
- 利用$\gamma$ ($\gamma=\rho*\delta$)，运用线性拟合的方法，选择聚类中心，不需要r人工选择
- 根据$\gamma曲线$寻找stairs以得到群组的层次结构。
- 使用grid granulation，使得DPC能够处理大规模、高维数据

3、DenPEHC
首先选择所有潜在的聚类中心，然后在 γ曲线中确定stairs，最后每一层的中心被用于将leading tree转换成森林，森林中每一颗子树代表一个聚类。

一些符号定义：

3.1、确定聚类中心
- 将γ倒序排序：$[\vec{γ^s}, \vec{γInd}] = sortDescending(\vec{γ})$， γs