基于密度峰值快速搜索发现聚类中心的聚类算法matlab代码

密度峰值聚类算法（Density Peaks Clustering，DPC），是一种基于密度的聚类算法，该算法具有不需要指定聚类参数，能够发现非球状簇等优点。针对密度峰值算法凭借经验计算截断距离[dc]无法有效应对各个场景并且密度峰值算法人工选取聚类中心的方式难以准确获取实际聚类中心的缺陷，提出了一种基于基尼指数的自适应截断距离和自动获取聚类中心的方法，可以有效解决传统的DPC算法无法处理复杂数据集的缺点。该算法首先通过基尼指数自适应截断距离[dc]，然后计算各点的簇中心权值，再用斜率的变化找出临界点，这一策略有效避免了通过决策图人工选取聚类中心所带来的误差。实验表明，新算法不仅能够自动确定聚类中心，而且比原算法准确率更高。

k-means,DB-SCAN,基于密度峰值的聚类算法的matlab简单实践

广工高性能计算的期末论文。 资源包括论文《Efficient parallel implementation of a density peaks clustering algorithm on graphics processing unit》的原文以及翻译。

基于密度峰值快速搜索发现聚类中心的聚类算法源代码。

Rodriguez A, Laio A. Clustering by fast search and find of density peaks[J]. Science, 2014, 344(6191): 1492-1496.基于这篇文章实现的最基本的密度聚类的算法密度峰值聚类py代码