[解答] A.R. Clustering

看板TurtleSoup (海龜板)作者longlyeagle (長鷹寶寶實驗室)時間11年前 (2014/11/28 00:38)推噓5(5推 0噓 11→)

留言16則, 3人參與討論串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? ============================================================================== 解答在下一頁喔！！！小心不要雷到！！！ ★☆★☆★☆★☆本篇解答含18禁、血腥、暴力、獵奇、令人不適之內容，可能不適合18歲以下板友觀賞，請自行斟酌，不喜者請左轉★☆★☆★☆ ((若本題是採擷其他作品內容者，請於解答前註明)) ((若解答無上述內容者，請出題者自行Ctrl+y刪除★☆部份，保留剩餘防雷頁)) ============================================================================== 解答：不同於過去的演算法注重於"群"的概念這篇的演算法把model的重心放在"群的中心點" 或是 "clustering center" 先把一個群的中心點該有的特性找出來再去看看其他點會被歸類到哪個中心點底下他們列出了兩個重點: 1. 群的中心點有高密度 2. 群的中心點距離比他密度高的點應該有一定的距離 (否則他就應該只是附屬於另一個群的點而不是中心點) 計算了所有點的密度還有距離密度高於他的點的距離之後我們可以找出群聚中心(clustering center) 單獨點(outlier) 還有群聚的點裡面屬於核心的點跟邊緣的點相較於現在主流的聚類演算法 DB-SCAN K-Mean 他不需要做iteration 只需要一次linear的運算在記憶體時間跟空間的運用上都大大的提升而且在參數有調整好的情況下有極佳的辨識率出處、作者： science 備註：想不到被秒殺我以為會玩一陣子 (都沒人) ===================注意解答的標題要跟題庫一樣喔！=============================== -- ※ 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.1417106284.A.EE9.html ※ 編輯: longlyeagle (114.32.94.182), 11/28/2014 00:41:59

推

AlexCYW

11/28 00:40, , 1^F

11/28 00:40, 1^F

→

AlexCYW

11/28 00:41, , 2^F

11/28 00:41, 2^F

→

longlyeagle

11/28 00:43, , 3^F

11/28 00:43, 3^F