结合K近邻的改进密度峰值聚类算法总结
解决的问题：
解决了处理维数较高，含噪声及结构复杂数据集时聚类性能不佳等问题。
DPC优点：
不仅能够检测出样本集中存在的聚类数目，而且能够有效地处理不规则形状的簇以及异常样本。
DPC缺点：
（1）对于大小不同的数据集，采用的局部密度计算方式不同，这无形中降低了算法的灵活性；
（2）对剩余点的分配策略易造成误差传播
隐患：
对于分布稀疏的数据，ρ - δ 决策图难以确定聚类中心。可以用γ = ρ × δ 决策图来代替。
改进的点：
改进点1:密度计算方式的改进
由距离 δ 定义可知，δ 值的大小与密度 ρ 也密切相关，故 ρ 对于聚类中心的选取至关重要。由于 DPC 算法的密度计算方法不一致且深受截断距离 dc 影响，其不能够保证与当前点距离小于 dc 的点的数目，故有不少成果对该算法中的密度公式进行了改进 所以首先改进密度公式：
相当低于把dc换掉了，换成了K，尽管K相对有更容易确定些，但面对类 间 样 本 数 不 均 衡 以 及 疏 密 度 不 一 的 数 据 ，使 用γ = ρ × δ 方式选取聚类中心时，类中心点与其他点的区分度并不高
为了解决这一问题，从数据整体分布出发，引入了相似性调节系数，给出了一种带有相似性系数的高斯核函数来计算局部密度。
其中，σ 取数据量的2%，r(人工给，仍然存在隐患) 为相似性系数，表示密度函数与数据点间相似度的关系程度，该值越大，距离点 xi越近的点对其密度 ρi 的贡献权重越大。
改进点2：分配方式的改进
引入核心点的概念：
由于聚类中心往往出现在高密度区域，故将各聚类中心某邻域内的点看作核心点，而将其他点看作非核心点。
核心点的获取方法：
1，先求出簇中心
2，将剩下的点分配到距离其最近的聚类中心所在的类中
3，计算类中所有点到簇中心的距离，求出平均距离。
4，若点在平均距离之内，叫做核心点。
分配剩余点（非核心点）：
两种方式：（全局搜索策略和统计学习分配策略）
全局搜索策略：
以核心点的中心，不断搜索未分配KNN点，并将其分配到核心点所在的簇中。
统计学习分配策略：
通过学习每个剩余点被分配的至各个簇的概率来将其归类。
注：每点的归属由其KNN分布信息决定，若 xi 的KNN（KNNi）中属于某个簇的点越多且与 xi 的距离越近，则两点之间相似度越大，此时xi 被分配到这个类的概率也越大。
论文中算法步骤：
输入：数据集 X ，相似性系数 r ，最近邻个数 K 。
输出：类标签 labels 。
步骤1 计算每点的 δ 与 ρ （新的方式）值。
步骤2 通过决策图获取聚类中心。
步骤3 提取核心点，并采用全局搜索分配策略将待分类点归类：
（1）将核心点集合 Xcore 置入队列 Q 。
（2）取队列头 xa ，并将之从 Q 中删除，然后查找其K 个最近邻 KNNa 。
（3）若 x′ ∈ KNNa 未被分配，则将 x′ 分配到 xa 所在的类中，并将 x′ 添加至 Q 尾部；否则转（2）。
（4）若 Q = ∅ ，终止该策略。
步骤4 采用统计学习策略分配剩余 k 个点：
（1）依式（9）和（10）计算每点的 Pim(i = 1,2,…,k) ，并将该值存至矩阵 P k × M，同时将 max(Pim) 的值以及类别号 m 分别存至向量 MP 和 MI
（2）若 MP 中有非零值，则将 Pom 值最大的点 xo 归入 MI(o) 所表示的类中，转（3）；否则终止该策略。
（3）更新 P、MP、MI ，令 MP(o) = 0 。对于未分配点xp ∈ KNNo ，更新 P[p][m] 、MP(p) 及 MI(p) 。
（4）若 MP 中所有元素均为0，则终止；否则转（3）。
步骤5 仍未被处理的点可看作噪声点，并将之归入到其最近邻所在的类中
