DBSCAN(Density-Based Spatial Clustering of Applications with Noise)是一个比较有代表性的基于密度的聚类算法。与划分和层次聚类方法不同,它将簇定义为密度相连的点的最大集合,能够把具有足够高密度的区域划分为簇,并可在噪声的空间数据库中发现任意形状的聚类。
DBSCAN算法最重要的两个参数是 ε \varepsilon ε和 M i n P t s MinPts MinPts,其中 ε \varepsilon ε描述了某一样本的邻域距离阈值, M i n P t s MinPts MinPts描述了某一样本的距离为 ε \varepsilon ε的邻域中样本个数的阈值。
DBSCAN算法中的概念
ε \varepsilon ε: 包含样本集 D D D中与某个样本 x x x的距离不大于 ε \varepsilon ε的子样本集。
核心对象: 对于任意一个样本 x x x,若其 ε \varepsilon ε邻域中至少包含 M i n P t s MinPts MinPts个样本,则该样本 x x x是核心对象。
密度直达: 若 x i x_i xi位于 x j x_j xj的 ε \varepsilon ε邻域中,且 x j x_j xj是核心对象,则称 x i x_i xi由 x j x_j xj密度直达,反之不一定成立。
密度可达: 对于 x i x_i xi和 x j x_j xj,若存在样本序列 { P 1 , P 2 , . . . , P t } \begin{Bmatrix}P_1,P_2,...,P_t\end{Bmatrix} {
P1,P2,...,Pt},满足 P 1 = x i , P t = x j P_1=x_i,P_t=x_j P1