用于几乎均匀分布的数据的高效聚类算法

Question

我正在玩自然语言处理，我试图聚集新闻文章标题。我将标题转换为矢量，但它们几乎均匀分布。有2-3篇新闻文章的小集群，但大多数新闻文章应该在他们自己的集群中。

我尝试使用k-means，但文章很少更改群集，因为数据相当统一。最初的随机簇最终成为最终的簇。

我尝试了凝聚聚类，它适用于小型数据集（几百篇文章）。但是，它需要很长时间，因为它至少是O（n ^ 2）。

是否有任何有效的算法来聚类几乎均匀分布的数据？

例如，如果我的数据是一组实数，它可能如下所示：

1 2 3 4 4.1 5 6

在这种情况下，群集应该是：（1），（2），（3），（4,4.1），（5），（6）。 除了凝聚聚类之外，还有更好的方法吗？

Answer 1

1. 对数据进行排序。
2. 选择一个阈值（参见步骤4）
3. 迭代您的数据
4. 如果当前群集的当前值和第一个值之间的差异小于阈值，则将它们放入同一群集中，否则启动新群集。

由于排序，这应该是O（n log n）。