基于密度峰值的聚类算法.

不区分cluster halo的聚类结果
Clustering by fast search and find of density peaks 聚类结果展示
区分cluster halo的聚百度文库结果
Clustering by fast search and find of density peaks 其他聚类结果展示
Clustering by fast search and find of density peaks
——基于密度峰值的聚类算法
姓名：潘培哲 专业：控制工程 学号：12013002347
文章来源
• 摘自2014-6-27《Science》期刊
Clustering by fast search and find of density peaks 算法思想
Clustering by fast search and find of density peaks 算法介绍
1 3
2
Clustering by fast search and find of density peaks 聚类中心选取
Clustering by fast search and find of density peaks 聚类中心选取
Clustering by fast search and find of density peaks 算法介绍
Clustering by fast search and find of density peaks 算法介绍
Clustering by fast search and find of density peaks 算法介绍
按照原文的聚类方法，一些分散的“离群点”也会被“强制”分到类簇当 中，造成聚类后类簇边界不清晰，影响聚类效果。
Clustering by fast search and find of density peaks 算法优化
Clustering by fast search and find of density peaks 聚类结果展示
Clustering by fast search and find of density peaks 聚类过程
类簇中心找到后，剩余的每个点被归属到它的有更高密度的最近邻所属类 簇。类簇分配只需一步即可完成，不像其它算法要对目标函数进行迭代优化。
Clustering by fast search and find of density peaks 算法存在的问题①
下图中的图B（决策图）对确定聚类中心具有决定性作用，但是，对聚类 中心的选取需要人为干预，而且其中包含了主观因素，不同的人可能选择不同 的点作为聚类中心。
决策图中聚类中心难以确定的例子
Clustering by fast search and find of density peaks 算法优化
Clustering by fast search and find of density peaks 算法存在的问题②
对不同形状的类簇聚类效果都很好
结束！ 谢谢观赏
姓名：潘培哲 专业：控制工程 学号：12013002347