基于密度的代表聚类

Question

我正在寻找一种方法来执行基于密度的聚类。与DBSCAN不同的是，生成的集群应该具有代表性。Mean-Shift似乎满足了这些需求，但不足以满足我的需求。我已经研究了一些子空间聚类算法，并且只找到了使用代表的CLIQUE，但是这个部分不是在Elki中实现的。

Answer 1

正如我在关于您问题的上一次迭代的评论中所指出的，https://stackoverflow.com/questions/34720959/dbscan-java-library-with-corepoints

基于密度的集群并不是假定存在一个中心或代表性的。

考虑以下示例来自维基百科用户的图片 (BY-CC-SA3.0)：

​

​

哪个对象应该是红色集群的代表？

基于密度的聚类就是寻找“任意形状”的聚类。这些都没有一个有意义的单一代表对象。它们不是要“压缩”您的数据--这不是矢量量化方法，而是结构发现。但是，这是如此复杂结构的性质，不能简化为一个单一的代表。这样一个簇的适当表示是簇中所有点的集合。对于二维的几何理解，你也可以计算凸包，例如，得到一个区域，如图中的区域。

选择有代表性的对象是另一项任务。这并不是发现这种结构所必需的，因此这些算法不计算有代表性的对象--这将浪费CPU。

Answer 2

您可以选择密度最高的对象作为集群的代表。

对DBSCAN进行相当容易的修改，以存储每个对象的邻居计数。

但是正如Anony-Mousse提到的那样，这个目标可能是一个相当糟糕的选择。基于密度的聚类并不是为了产生有代表性的对象.

您可以尝试AffinityPropagation，但它也不会很好地扩展。