基于快速搜索与寻找密度峰值的聚类方法

本文是作者对《Clustering by fast search and find of density peaks》论文的学习总结,探讨了一种基于快速搜索和密度峰值的聚类算法,旨在帮助读者理解大数据集上的高效聚类方法。
摘要由CSDN通过智能技术生成

该文章是我对于《Clustering by fast search and find of density peaks》的学习笔记,原论文链接我将在文后发出。

首先要感谢lvxiong1990博文的引导


一、模型对象:需要分类的点集(node set)

二、模型目的:以每一个节点(node)的密度(density)为模型基础,将待分类的点集进行聚类(cluster)

三、模型方法与注释:

step1.计算所有节点(node)间的距离dij。
ps.该距离并没有很明确的给出,只在文章末尾有提到“本文数据取自超立方体,计算dij时运用超立方体的周期边界条件”,这个距离的意思很模糊。本人在用一组真实数据进行聚类计算dij时,运用的是欧式距离[1]计算两个节点之间的距离。

step2.取一个截断距离dc[2]。
ps1.截断距离dc是通过对所有dij进行升序排列,由用户自己设置一个参数百分比,dc为该排列的参数百分比上的数
  • 3
    点赞
  • 24
    收藏
    觉得还不错? 一键收藏
  • 7
    评论
评论 7
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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