寻找一种聚类算法，它可以按密度围绕一个质心进行聚类，但具有固定的最大距离cu

Question

我现在有一个三维坐标的列表，我想按密度聚类成一个未知数量的聚类。除此之外，我还想通过总体和到质心的距离对簇进行评分。 我也想能够设置一个最大可能的距离，从某个质心。理想情况下，质心表示数据集的一个点，但这不是绝对必要的。我想为一个从大约100到10000个三维坐标的列表这样做

例如，假设我有一个点[x，y，z]，它可能是我的质心： 最接近x，y，z的点对其得分的贡献最大（即逻辑评分函数，如y=（1+exp（4*（-1.0+x））**-1，其中x表示到点[x，y，z]的欧几里德距离 （https://www.wolframalpha.com/input/?i=(1+%2B+exp(4(-1.0%2Bx)))**+-1）

由于此函数从未达到0，因此需要设置最大距离，例如2个距离单位来设置群集的限制

我想这样做，直到没有更多的集群可以做，我只感兴趣的质心，因此它最好应该是一个真正的数据点，而不是一个插值它也有其他属性连接到它

我已经尝试过sklearn的DBSCAN，它比我的代码快几个数量级，但是它显然不能完成我想要做的事情

目前，我只是计算每个点相对于所有其他点的接近度，并根据每个点的数量和与相邻点的距离（使用上面讨论的相同的评分函数）对每个点进行评分，然后我取得分最高的点，并删除在某个截止距离内的所有其他得分较低的点。它完成了任务，而且很准确，但是速度太慢了

我希望我能清楚地知道我想做什么

Answer 1

使用sklearn的邻居搜索功能快速查找最大距离2内的点。仅此一次仅计算逻辑权重一次

那么剩下的部分是否只使用这些预计算的数据呢