密度峰值聚类算法研究综述

密度峰值聚类（DPC）是一种新提出的基于密度和距离的聚类算法，由于其原理简单，无需迭代和能处理形状数据集等优点，正在数据挖掘领域得到广泛应用。但DPC算法也有着一定的缺陷，如：对截断距离参数敏感，初始聚类中心的选择非自动化，后续标签分配存在链式问题，时间复杂度较高等。文章对DPC算法的研究现状进行了总结与整理，首先介绍了DPC的算法原理和流程；其次，针对DPC算法的不足对DPC算法的优化进行概括和分析，指出了优化算法的核心技术以及优缺点；最后，对DPC算法未来可能面对的挑战和发展趋势进行展望。