DBSCAN聚类算法原理

DBSCAN是一种基于密度的空间聚类算法,通过定义ϵ邻域和最小点数minPts来划分核心点、边界点和异常点。核心点的ϵ邻域内包含的点数大于minPts,直接可达的概念用于连接核心点。簇由核心点及其可达点组成,边界点是簇的非核心部分。DBSCAN通过不断扩展簇直至遇到边界点,有效地发现各种形状的聚类,并能识别异常点。
摘要由CSDN通过智能技术生成
  1. 概念
    ϵ 邻域:
    给定点的 ϵ 为半径的区域

    核心点(core points):
    如果点 p ϵ 邻域内的点数大于 minPts

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值