[來玩] A.R. Clustering (end

看板TurtleSoup (海龜板)作者 (長鷹寶寶實驗室)時間11年前 (2014/11/27 23:43), 11年前編輯推噓10(10011)
留言21則, 3人參與, 最新討論串1/1
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

11/27 23:56, , 1F
完全看不懂XD
11/27 23:56, 1F
這篇算滿簡單的 仔細看看就會懂了

11/27 23:56, , 2F
Alex Rodriguez是在打棒球的那個嗎
11/27 23:56, 2F
否 先填這個空格

11/28 00:14, , 3F
還滿猛的= = 不過他center的決定不是自動的(?
11/28 00:14, 3F
可以自動 只是可能會有兩三個參數來調整

11/28 00:14, , 4F
密度?
11/28 00:14, 4F

11/28 00:15, , 5F
對啊 中心點可能要用別的方法去找
11/28 00:15, 5F

11/28 00:17, , 6F
還有Dc怎麼決定的問題
11/28 00:17, 6F
要看測資

11/28 00:19, , 7F
所以首先他為每個點去計算兩個值
11/28 00:19, 7F

11/28 00:19, , 8F
一個是局部密度 在一定距離內 周遭的點數量
11/28 00:19, 8F
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

11/28 00:20, , 9F
另外是所有局部密度比它高的點中 與它最近的距離
11/28 00:20, 9F

11/28 00:23, , 10F
接著挑幾個點為中心點 是這兩個值都比較大的
11/28 00:23, 10F

11/28 00:24, , 11F
然後從其他點中局部密度最高的點開始
11/28 00:24, 11F

11/28 00:25, , 12F
找與它最近且密度大於它的點 然後屬於該群
11/28 00:25, 12F

11/28 00:25, , 13F
如果局部密度低而且離最近center距離遠,判斷為outlier
11/28 00:25, 13F

11/28 00:26, , 14F
找出各center後,還可以用局部密度設threshold來判斷屬
11/28 00:26, 14F

11/28 00:27, , 15F
於core或halo(月暈?)部份
11/28 00:27, 15F
是 兩位恭喜湯底啦 這篇其實滿好用的

11/28 00:29, , 16F
想到的人真是太強大ORZ
11/28 00:29, 16F

11/28 00:30, , 17F
感覺重點是他可以同時處理球型和線型
11/28 00:30, 17F

11/28 00:31, , 18F
而且符合視覺(?)
11/28 00:31, 18F

11/28 00:32, , 19F
可是我猜複雜度不低?XD 跟現有的方法比起來
11/28 00:32, 19F
這個是目前我看過複雜度最低的聚類演算法阿

11/28 00:32, , 20F
(結果不知道空格是什麼)
11/28 00:32, 20F
詳見解答

11/28 00:35, , 21F
不知道耶 這個不用iteration(?)((k-mean我學完就忘了= =
11/28 00:35, 21F
※ 編輯: longlyeagle (114.32.94.182), 11/28/2014 00:39:05
文章代碼(AID): #1KTqQB7V (TurtleSoup)
文章代碼(AID): #1KTqQB7V (TurtleSoup)