作者在这篇文章中介绍了一种新型的聚类算法 -- 基于密度的聚类算法。
灵感来源
经典的聚类算法K-means是通过指定聚类中心,再通过迭代的方式更新聚类中心的方式,由于每个点都被指派到距离最近的聚类中心,所以导致其不能检测非球面类别的数据分布。虽然有DBSCAN(density-based spatial clustering of applications with noise)对于任意形状分布的进行聚类,但是必须指定一个密度阈值,从而去除低于此密度阈值的噪音点。
这篇文章假设聚类中心周围都是密度比其低的点,同时这些点距离该聚类中心的距离相比于其他聚类中心最近。
聚类方法
对于每一个数据点i,需要计算两个量一个是局部密度 和与高于i点密度的最小距离。
局部密度定义如下:
当x<0,,否则。这里是一个截断距离,文中为所有点的相互距离中由小到大排列占总数2%的位置距离数值定义。算法只关心的量级因此对于的选择比较鲁棒。
距离定义如下:<