使用超像素对图像作预处理，用密度峰值聚类进行图像分割

基于密度峰值的聚类算法全称为基于快速搜索和发现密度峰值的聚类算法(clustering by fast search and find of density peaks, DPC)。它是2014年在Science上提出的聚类算法，该算法能够自动地发现簇中心，实现任意形状数据的高效聚类。 该算法基于两个基本假设：1）簇中心（密度峰值点）的局部密度大于围绕它的邻居的局部密度；2）不同簇中心之间的距离相对较远。为了找到同时满足这两个条件的簇中心，该算法引入了局部密度的定义。

基于密度峰值的聚类算法，matlab官方程序。

基于密度峰值的快速聚类算法在matlab中的实现

密度峰值聚类不需要事先指定类簇数；能够发现非球形类簇；只有一个参数需要预先取值。快速搜索和寻找密度峰值的聚类(clustering by fast search and find of density peaks)，简称密度峰值聚类

峰值检测matlab代码

Clustering by fast search and find of density peaks，外文翻译，密度峰值聚类算法

快速搜索和寻找密度峰值的聚类(clustering by fast search and find of density peaks)，简称密度峰值聚类(density peaks clustering，DPC)算法，该算法的优点为：不需要事先指定类簇数；能够发现非球形类簇；只有一个参数需要预先取值。

基于深度游走和密度峰值聚类算法的CT图像分割方法软件工程研究.docx

周围计算matlab代码聚类--基于--密度--峰值 一种通过快速搜索和查找密度峰值的聚类算法 来自科学的原始论文 《通过快速搜索和查找密度峰值进行聚类》 包括 这个集群存储库包括一个名为rawdata.dat的数据集和一个用于集群这些数据的算法。 原始样本分布，如下面的 letf 图片。 从右图中，我们可以将 k 设置为 5，再看下面的右图，聚类结果非常好。 这种聚类方法对于非球形分布非常有效。 更重要的是，我还为这个算法添加了一些新的东西，它正在像 K-means 一样处理图像聚类。试试看！ 执行 这个聚类算法的所有代码都是MATLAB写的，我的代码有很多注释，跟着代码和那些详细的注释就可以了。