背景:项目中有用到一些聚类算法,比如DensityPeakCluster,Kmeans等,但是DensityPeakCluster会把簇给连起来,Kmeans又不能定义半径,导致聚类的结果在客户看来无法解释,常常导致两个完全不像的问法聚到了一起,于是自己想了个聚类算法 ,姑且称之为投票算法。
算法思想：
1.每个点都是一个自由思想的选民和被投票人，行为决定顺序如下：第一优先级为自己作为一个团队的核心（中心点），其次，尽量投票给和自己关系较密切（距离小于delta）的人，最后，绝不会投票给自己的仇人（距离大于delta）。
2.第一轮开始，每个选民获取一张选票，会投给和自己关系最密切的人（不能投给自己），然后从获得选票最多的人开始举行成团仪式：只要选票大于最少团员数（rho），则成团，并且所有团员投给其他人的票作废
3.第二轮开始，每个未成团的选民获取两张选票，按顺序投给自己关系最密切的两个人（如果其中有已成团的核心，那么直接进入该团），投完后继续举行成团仪式
4.开始第3-n轮，逻辑和第二轮相同，每次未成团的选民都会较上一轮多出一张选票，直至所有未成团的选民都无票可投（和自己关系较好的人都未成团，并且无法成团）
经验证，这种聚类算法的聚类结果可解释（因为所有的选民到中心点的距离可控），效率比kmeans要慢，但是比DensityPeakCluster要快一些（虽然看着很多轮，但是每一轮都会有不少选民退出下一轮投票）