[來玩] A.R. Clustering

[longlyeagle (長鷹寶寶實驗室)]

題目：

Alex Rodriguez 與 Alessandro Laio 在 2014年的六月

於 Science 上面發表了一個聚類的演算法:

Clustering by fast search and find of density peaks

裡面利用群聚的一些特性還形成一種新的聚類模型

在聚類這種發展多年的領域裡還可以發表 Science 論文真的很不容易


請問該驗算法是如何做到聚類的?






備註：
大家可以慢慢來

這篇文章的核心價值是在他model的對象不是群而是____

再利用這些____來進行計算



======遊戲開始、進行中、尤其是結束之後，請在標題中註明！(按大T修改標題)======

--
※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 114.32.94.182
※ 文章網址: http://www.ptt.cc/bbs/TurtleSoup/M.1417102987.A.1DF.html
推 jefftie2000: 完全看不懂XD
這篇算滿簡單的 仔細看看就會懂了
→ jefftie2000: Alex Rodriguez是在打棒球的那個嗎
否
先填這個空格
推 naminono: 還滿猛的= = 不過他center的決定不是自動的(?
可以自動 只是可能會有兩三個參數來調整
推 AlexCYW: 密度?
否
→ AlexCYW: 對啊 中心點可能要用別的方法去找
推 AlexCYW: 還有Dc怎麼決定的問題
要看測資
→ AlexCYW: 所以首先他為每個點去計算兩個值
→ AlexCYW: 一個是局部密度 在一定距離內 周遭的點數量
是 也可以用他引用的論文裡所提到的Kernel Density
計算量會大一點 但是可以更精準的描述他的密度概念
→ AlexCYW: 另外是所有局部密度比它高的點中 與它最近的距離
是
推 AlexCYW: 接著挑幾個點為中心點 是這兩個值都比較大的
→ AlexCYW: 然後從其他點中局部密度最高的點開始
→ AlexCYW: 找與它最近且密度大於它的點 然後屬於該群
是
推 naminono: 如果局部密度低而且離最近center距離遠，判斷為outlier
→ naminono: 找出各center後，還可以用局部密度設threshold來判斷屬
→ naminono: 於core或halo(月暈?)部份
是
兩位恭喜湯底啦 這篇其實滿好用的
→ naminono: 想到的人真是太強大ORZ
推 AlexCYW: 感覺重點是他可以同時處理球型和線型
推 naminono: 而且符合視覺(?)
推 AlexCYW: 可是我猜複雜度不低?XD 跟現有的方法比起來
這個是目前我看過複雜度最低的聚類演算法阿
→ AlexCYW: (結果不知道空格是什麼)
詳見解答
推 naminono: 不知道耶 這個不用iteration(?)((k-mean我學完就忘了= =
※ 編輯: longlyeagle (114.32.94.182), 11/28/2014 00:39:05