这篇文章是自己在上大数据分析课程时老师推荐的一篇文章，当时自己听着也是对原作者当年的的思路新奇非常敬佩，相信很多伙伴也会非常感兴趣，就来做个分享吧。原论文于2014年发表于Science期刊杂志上。
- 论文题目：Clustering by fast search and find of density peaks
所解决的问题？
作者提出了一种更加强大的聚类算法，其对参数的依赖更少，泛化能力更强。集成了k-means和DBSCAN算法的思想。
背景
在研究问题前，我们先做综述算法分析，看看研究进展，还有未研究问题，需要归纳总结，从实际问题，不同门类的研究问题，发现共性问题。这是科研的基本素养。作者正是基于规划总结各类聚类算法得出一种更强的聚类算法。
如今已有很多聚类的方法，但是这些聚类方法针对很多衡量方式都没有达成一致，也就是缺少一种通用的方式，或者说generalization不够。k-means是完全聚类，无法分辨噪声。K参数选择也比较困难，对于非凸形状也无法处理。DBSCAN可以聚类任意形状，但是找一个恰当的minpoint也比较玄学，并且对ε \varepsilonε参数敏感。
所采用的方法？
聚类的中心点会有什么特征呢？作者提出了两点直观的理解，之后对其量化建模：
- Cluster centers are surrounded by neighbors with lower local density。(聚类的中心周围都是比它密度低的点)。也就是说聚类中心周围密度较低，中心密度较高。
- They are a relatively large distance from any points with a higher local density。(聚类中心点与其它密度更高的点之间通常都距离较远)。
也就是满足这两个点才能成为聚类中心点
因此，对于每个样本点 i ii 计算两个值：
- 局部密度值(
local density)：ρ i
其中函数：
- 距离的定义如下：
对于非局部密度最大点，计算距离δ i \delta_{i}δi实际上分两步 :
- 找到所有局部密度比i ii点高的点；
- 在这些点中找到距离i ii点最近的那个点j jj，i ii和j jj的距离就是δ i \delta_{i}δi的值。
对于局部密度最大点，δ i \delta_{i}δi实际上是该点和其他所有点距离值的最大值。
取得的效果？
依据上述决策图进行定性分析，结合主观判断才得到最终的结果。可以看到聚类中心为1和10。26、27、28为离群点(outlier)。
参考链接
论文链接：http://sites.psu.edu/mcnl/files/2017/03/9-2dhti48.pdf
代码实现：https://github.com/lanbing510/DensityPeakCluster
我的微信公众号名称：深度学习先进智能决策
微信公众号ID：MultiAgent1024
公众号介绍：主要研究深度学习、强化学习、机器博弈等相关内容！期待您的关注，欢迎一起学习交流进步！
