題目：
Alex Rodriguez 與 Alessandro Laio 在 2014年的六月
於 Science 上面發表了一個聚類的演算法:
Clustering by fast search and find of density peaks
裡面利用群聚的一些特性還形成一種新的聚類模型
在聚類這種發展多年的領域裡還可以發表 Science 論文真的很不容易
請問該驗算法是如何做到聚類的?
==============================================================================
解答在下一頁喔！！！小心不要雷到！！！
★☆★☆★☆★☆本篇解答含18禁、血腥、暴力、獵奇、令人不適之內容，
可能不適合18歲以下板友觀賞，請自行斟酌，不喜者請左轉★☆★☆★☆
((若本題是採擷其他作品內容者，請於解答前註明))
((若解答無上述內容者，請出題者自行Ctrl+y刪除★☆部份，保留剩餘防雷頁))
==============================================================================
解答：
不同於過去的演算法注重於"群"的概念
這篇的演算法把model的重心放在"群的中心點" 或是 "clustering center"
先把一個群的中心點該有的特性找出來
再去看看其他點會被歸類到哪個中心點底下
他們列出了兩個重點:
1. 群的中心點有高密度
2. 群的中心點距離比他密度高的點應該有一定的距離
(否則他就應該只是附屬於另一個群的點 而不是中心點)
計算了所有點的密度 還有距離密度高於他的點的距離之後
我們可以找出群聚中心(clustering center) 單獨點(outlier)
還有群聚的點裡面屬於核心的點跟邊緣的點
相較於現在主流的聚類演算法 DB-SCAN K-Mean
他不需要做iteration
只需要一次linear的運算
在記憶體時間跟空間的運用上都大大的提升
而且在參數有調整好的情況下有極佳的辨識率
出處、作者：
science
備註：
想不到被秒殺
我以為會玩一陣子 (都沒人)
===================注意解答的標題要跟題庫一樣喔！===============================