我使用 DCC 算法对一些数据进行聚类。整个算法在这里可用，但很快它是：

1. 构建数据点的 mkNN 图（它的连接组件是集群）。
2. 预训练自动编码器以减少数据维度。
3. 训练自动编码器，它的目标是聚类的另一个目标，它试图减少降维数据点之间的距离。
4. 成为接近点的最终连接组件（如果足够接近（通过阈值）它们保持连接，如果它们彼此远离 - 边缘消失并且其他一些出现等等）是集群。

带有文章链接的完整算法

你能猜到为什么我会在第一个 0-index 集群中获得大部分数据（始终如一地调整所有超参数）吗？从输出的 tSNE 可视化中可以看出，数据具有很好的聚类潜力。但是聚类不好。我想也许可以扩大 mKNN 图构造的 k 参数，但它不起作用，只是减少了集群的总量，但数据样本继续冲突成一个集群。

欢迎任何建议和理论讨论。