RVN 一种新的聚类算法

当我们需要对数据集进行聚类时，我们可能首先研究的算法是 K means, DBscan, hierarchical clustering 。那些经典的聚类算法总是将每个数据点视为一个点。但是，这些数据点在现实生活中通常具有大小或边界（边界框）。忽略点的边缘可能会导致进一步的偏差。RVN算法是一种考虑点和每个点的边界框的方法。

RVN 的灵感来自一家家具公司的商业案例。他们的工作是按生活方式对家具进行分类，由于每件家具都有不同的形状和大小，而一些家具是否重叠比彼此之间的距离更关键，所以创建了可以考虑每个点大小的 RVN 算法，相信该算法可以进一步在其他领域实现，例如生态系统和像素聚类。

世界地图示例 - K means

当需要对地球上所有国家进行聚类时，首先需要每个国家的坐标（经度和纬度）。

然后可以使用 K mean 或其他算法来调整最佳簇数量或找到最佳 eps 进行DB scan。我们将使用 K mean作为样例

根据上图，我们选择k=3。

看起来不错！但是我们可以注意到一些国家的一些问题，比如俄罗斯。

可以看到俄罗斯与其他亚洲国家聚集在一起。原因是代表俄罗斯位置的点更靠近其他亚洲国家。如果我们把这一点再左一点，俄罗斯就会聚集到左边。

通过这个例子定义每个点的位置对我们的结果有很大的影响。

RVN 算法

下面介绍一下RVN算法的基本逻辑。

数据要求：每个点的上限和下限

初始化

• 初始化n个簇（数据大小为n），每个点为一个簇
• 计算每个簇的半径（使用上限和下限）

迭代

• 检查所有重叠点。（范围重叠）
• 将所有重叠点分组为同一个簇
• 更新每个簇的质心和半径

停止策略

• 如果没有重叠组，则停止
• Stop by k ：设置一个 K 并在总聚类低于 K 时停止算法（k mean概念）
• 其他：所有大小的百分比，最近簇的距离

下面进一步演示这个算法。

原文地址

https://www.overfit.cn/post/cbf8eaf7ec2c44368bd25db40a6af68d