基于引力的聚类算法代码实现

最新推荐文章于 2024-08-01 06:52:50 发布

小小冰汽水

最新推荐文章于 2024-08-01 06:52:50 发布

阅读量688

点赞数 2

分类专栏：聚类

本文链接：https://blog.youkuaiyun.com/qq_36334618/article/details/103102676

版权

聚类专栏收录该内容

8 篇文章

订阅专栏

本文深入探讨了GDPC（基于引力的密度峰聚类）算法，该算法改进了经典的DPC算法在异常值检测上的局限性。通过引入物理中的G引力系数，GDPC优化了异常点的检测过程。文章详细记录了算法的实现过程，包括如何用1/F替代决策图中的δ，以及具体的代码实现细节。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

经典的DPC算法在异常值检测方面有局限性，GDPC：Gravitation-based Density Peaks Clustering algorithm这篇论文引入了物理中G引力系数这一概念，使得异常点的检测更为优化。

简单来说，就是用1/F代替了原来决策图中的δ，由于这篇论文中个人认为有些许描述不清（也可能是本人太菜），代码实现搞了好久，特此记录。

for i=1:ND
    for j=1:ND
        f(i,j)=(dist(i,j)*dist(i,j))/(rho(i)*rho(j));% 1/F论文中用的δ，其实直接用dist比较好
    end
end
maxf=max(max(f));
for ii=2:ND
    F(ordrho(ii))=maxf;
    for jj=1:ii-1
        if(f(ordrho(ii),ordrho(jj))<F(ordrho(ii)))
            F(ordrho(ii))=f(ordrho(ii),ordrho(jj));
            nneigh(ordrho(ii))=ordrho(jj); %近邻不用delta判定，用1/F进行判定
        end
    end
    if(F(ordrho(ii))>0.00005)  %这个针对不同情况使用，避免出现特大值使得决策图显示不直观
        F(ordrho(ii))=0.00005;
    end
end
F(ordrho(1))=max(F(:));