基于密度的聚类与代表聚类

Question

我正在寻找一种执行基于密度的聚类的方法。生成的集群应具有与DBSCAN不同的代表。 Mean-Shift似乎符合这些需求，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，并且只使用代表找到了CLIQUE，但这部分没有在 Elki 中实现。

Answer 1

正如我在上一次问题的评论中所指出的那样， https://stackoverflow.com/questions/34720959/dbscan-java-library-with-corepoints

基于密度的聚类确实不假设有中心或代表性。

考虑以下示例image from Wikipedia user Chire（BY-CC-SA 3.0）：

哪个对象应该是红色群集的代表？

基于密度的聚类是关于发现＆＃34;任意形状的＆＃34;集群。这些没有有意义的单一代表性对象。他们并不打算＆＃34;压缩＆＃34;您的数据 - 这不是vector quantization方法，而是结构发现。但是，这种复杂结构的本质是它不能简化为单一的代表。 此类群集的正确表示是群集中所有点的集合。对于2D中的几何理解，您还可以计算凸包，例如，获取该图片中的区域。 / p>

选择代表性对象是一项不同的任务。这不是发现这种结构所必需的，因此这些算法不会计算代表性对象 - 它会浪费CPU。

Answer 2

您可以选择密度最高的对象作为群集的代表。

对DBSCAN来说，存储每个对象的邻居数是一个相当容易的修改。

但正如Anony-Mousse所说，对象可能是一个相当糟糕的选择。基于密度的聚类不是为了产生代表性对象而设计的。

您可以尝试AffinityPropagation，但它也不会很好地扩展。