论文精读报告-Clustering by fast search and find of density peaks

最新推荐文章于 2020-08-18 23:27:15 发布
最新推荐文章于 2020-08-18 23:27:15 发布
阅读量1.7k 收藏 17
点赞数
分类专栏： 论文阅读报告 文章标签： 聚类 数据挖掘
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_43724306/article/details/105305026
版权
本文介绍了密度峰值聚类算法，对比了与K-means和DBSCAN的优劣，强调了其在非球状分布和无需迭代的优势。算法通过δ和ρ参数确定簇心，简化了数据处理，并在人脸识别等领域展现出良好性能。
摘要由CSDN通过智能技术生成

Clustering by fast search and find of density peaks

论文精度报告

作者：纪元
本文遵循CC-BY-NC-SA协议
(署名-非商业性-相同方式共享)

文章目录

核心思想

簇心具有两个特征：

  • 离其他高密度点 最远
  • 周边密度值 最大

现有劣势

当前算法主要为K均值聚类和DBSCAN

  • K均值聚类：只能解决球状问题，需要提前定义簇的总数，需要迭代划分。
  • DBSCAN：需要提前定义阈值，计算量相对较大，且只对坐标上数据有效。

相对优势

能解决非球状分布问题，不需要将数据做成表(原文为"向量空间")，在划分时不需要迭代优化。

算法参数

δ \delta δ：表示该点距最近的高密度点（目标点密度大于该点本身密度）距离
在这里插入图片描述

ρ \rho ρ：表示该点周边密度。计算方法为：统计该点周围，与其距离小于 d c d_c

最低0.47元/天 解锁文章
咸鱼_咸
关注
专栏目录
Clustering by fast search and find of density peaks——论文阅读笔记
01-07
摘要 聚类分析旨在根据元素的相似性将其分类。本文提出了一种新的聚类方法：“We propose an approach based on the idea that cluster centers are characterized by a higher density than their neighbors and by a relatively large distance from points with higher densities”。 正文 已有的聚类方法例如K-means和K-medoids通过距离之和最小来找到最佳聚类中心，这些方法无法检测非球面的聚类。 人们选择一个阈值
Clustering by fast search and find of density peaks.pdf
08-18
科学杂志：Clustering by fast search and find of density peaks Clustering by fast search and find of density peaks
Science论文"Clustering by fast search and find of density peaks"学习笔记
weixin_30480075的博客
10-22 905
"Clustering by fast search and find of density peaks"是今年6月份在《Science》期刊上发表的的一篇论文，论文中提出了一种非常巧妙的聚类算法。经过几天的努力，终于用python实现了文中的算法，下面与大家分享一下自己对算法的理解及实现过程中遇到的问题和解决办法。 首先，该算法是基于这样的假设：类簇中心被具有较低局部密度的邻居...
Clustering by fast search and find of density peaks总结
yc
02-09 2007
Clustering by fast search and find of density peaks　是发表在science14年上的对kmeans的改进版本，其思想如下： 在聚类中，类中心往往是密度较大，而且离其他类中心较远的点。先通过找到类中心，再将其他点归并到最近的类中心即可，不需要通过多次迭代来寻找聚类中心。 １．在程序中需要指定距离r，或者以某个r为半径能够圈住样本点的１％－2%　的
Clustering by fast search and find of density peaks(matlab程序代码)
07-01
在science上的一篇非常简单高效的聚类算法
一种新型聚类算法(Clustering by fast search and find of density peaksd)
weixin_34297300的博客
06-08 242
最近在学习论文的时候发现了在science上发表的关于新型的基于密度的聚类算法 Kmean算法有很多不足的地方，比如k值的确定，初始结点选择，而且还不能检测费球面类别的数据分布，对于第二个问题，提出了Kmean++，而其他不足还没有解决，dbscan虽然可以对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，这篇文章解决了这些不足。 本文提出的聚类算法的核心思想在于...
Clustering by fast search and find of density peaks的matlab实现
11-29
"Clustering by fast search and find of density peaks"是一种在数据挖掘和机器学习领域广泛应用的聚类算法，由Rodriguez和Laio在2014年提出。该算法旨在识别高密度区域并将其作为聚类中心，从而有效地处理非凸、非...
峰值密度聚类matlab代码-cluster-by-fast-find-and-search-of-density-peaks:逐簇快速查找和
06-02
周围计算matlab代码基于自适应密度的无监督高光谱遥感图像聚类 这个 repo 包含我对我们的论文“基于自适应密度的无监督高光谱遥感图像聚类”的实现。 执行 这些代码最初来自于 Science 2014 的“Clustering by fast ...
【论文翻译】Clustering by fast search and find of density peaks
风信子的博客
08-18 3877
Clustering by fast search and find of density peaks 基于快速搜索和密度峰发现的聚类方法 Alex Rodriguez and Alessandro Laio Cluster analysis is aimed at classifying elements in to categories on the basis of their similarity. Its applications range from astronomy to bioinform
Clustering by fast search and find of density peaks 源代码
05-02
Clustering by fast search and find of density peaks的附件，包含了matlab代码和数据文件，可以在这个页面找到，http://science.sciencemag.org/content/344/6191/1492.figures-only
机器学习 - Clustering by fast search and find of density peaks
累了就歇一会
03-02 2311
为什么是英文标题呢，因为这个算法还没有正式的翻译，为2015年的Science上发表的一个算法。非常好，在我的论文里涉及到了这个算法的使用。这里记录一下这个算法。如果要英文原文的，就去谷歌搜索这个标题就好了。至于能不能免费看，要看有没有人提供或者购买。聚类算法本身聚类算法大家应该非常熟悉，聚类算法应用领域非常广泛，甚至从天文学到生物学都有很多应用。其中最熟悉的一些包括：K-means和K-medoi
Clustering by fast search and find of density peaks
weixin_33843409的博客
11-11 218
"Clustering by fast search and find of density peaks"是20114年6月份在《Science》期刊上发表的的一篇论文，论文中提出了一种非常巧妙的聚类算法。 首先，该算法是基于这样的假设： （1）聚类中心密度要高 （2）高密度中心点之间的距离应该相对远一些。 异常...
Hadoop实现Clustering by fast search and find of density peaks
fansy1990的专栏
06-04 4203
Hadoop实现Clustering by fast search and find of density peaks本篇博客参考：Clustering by fast search and find of density peaks论文以及http://www.cnblogs.com/peghoty/p/3945653.html。 Hadoop版本：2.6.0，Myeclipse：10.0 代
基于密度的聚类算法(Clustering by fast search and find of density peaksd)
热门推荐
想作会飞的鱼的博客
07-11 3万+
一、概述“Clustering by fast search and find of density peaks”（下面简称CFDP）是在《Science》期刊上发表的的一篇论文，论文中提出了一种非常巧妙的聚类算法-基于密度的聚类算法。虽然文章出来后遭到了许多人的质疑，但是作为一个小白，该算法的思想是非常值得学习的。新聚类算法的基本思想很新颖，且简单明快，值得学习。下面将对该算法的基本原理进行介绍，
密度聚类。Clustering by fast search and find of density peaksd
IT届的小学生
12-27 742
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
matlab clustering by fast search and find of density peaks
最新发布
01-15
MATLAB 中的 clustering by fast search and find of density peaks（FSDP）是一种基于密度峰值快速搜索和发现的聚类算法。该算法首先通过计算数据点之间的距离和密度来识别数据的密度峰值，然后根据密度峰值的位置...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值