死简单聚类算法

Question

有什么好的聚类算法，如果两个数据项之间的间隔小于用户指定的临界值，则将它们简单地放入同一集群中？

即X_clustering(data, distance, epsilon)的结果是一组集群分配，因此对于i,j而言，对于任何一对distance(data[i], data[j]) < epsilon，它们都位于同一集群中。如果为distance(data[i], data[j]) >= epsilon，则它们可以位于不同的群集中（如果没有其他数据最终链接到它们……）。

另一种说明方式是：i,j位于同一集群中，如果存在通过数据的路径[i, x, y, z..., j]，使得每一步都是distance<epsilon，并且它们是不同的如果没有这样的路径，则群集。

Answer 1

您的想法行不通。如果对于群集中的所有(data[i], data[j])对，它们的距离都小于给定的epsilon，则意味着该群集中的所有成员都位于半径为epsilon的圆中。因此，这种聚类方法不能一概而论。

顺便说一句，在基于给定epsilon的簇的密度来确定簇的情况下，DBSCAN是一种很好的簇算法。您可以通过添加更强的约束来修改此算法，例如：

如果每个数据与群集中所有成员的距离小于给定的epsilon，则可以将每个数据添加到群集中。