Clustering by fast search and find of density peaks

近期要研究聚类算法，便把sci14年的那篇找了出来，实现了一遍，并且进行了优缺点的总结和改进。附代码，详细叙述如下。

sci14年发表的聚类算法是一篇经典的算法，它的主要思想是：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。

它寻找类中心主要是求两个值：密度阈值rou和中心点的距离deta，求得方法可根据论文提示中来。求出那两个参数后，选出rou和deta都大的点作为聚类中心（也就是坐标轴右侧的点，一般可选rou*deta较大的点作为聚类中心）

）

优缺点

它的优点显而易见，思想简单，编程实现容易，有说服力。但也存在着缺点：1.两两之间求聚离，时间复杂度为o(n²)，不适合点数较多的计算；2.画圈半径dc的选取，文中提到的是能够圈住总点数的1%~2%的值作为半径，这是一个经验值，没有理论支撑；3.对一些非凸的图形，聚类效果不好。

总结

聚类算法各有优缺点 ，没有哪一种算法能适合所有数据集，我们能做的，就是先分析数据集具有什么特性，根据它的特性，选择最合适的算法。