6.4密度与层次

• Density Based Methods(基于密度的方法)
  • 图片特征
    • 很多噪点
    • 数据分布不规则
  • 好处
    • 和人眼的感觉接近
    • 不用事先设定K值，可以基于形状自动判断
• DBSCAN

  

  • 解释
    • 核心思想：把点分成了三类
      • 核心点：以此点为中心画一个圈，如果这个圈中有足够多的点，那这个点就是核心点
    • 边缘点：我能找到一个核心点，且画一个圈，我在这个圈里面，我和核心关系近，但我自己不是核心
    • 噪点：不是核心点且与核心点“拉不上关系”，只能是噪点（是要被过滤掉的点）
  • DBSCAN中的连通性概念

    

  • DBSCAN的定义

    

    • 解释
      • 簇：从一个核心点出发，把所有能够连通的点都“收”起来
      • 从一个没有被处理过的点出发，如果它是核心点，就尽量通过“朋友圈”膨胀到最大
      • 一般通过递归的方式：例如，我有十个朋友，这十个朋友又有他们的朋友
      • 与K-Means(不管什么点是否是噪点，我都给你“聚了”)不同，DBSCAN会过滤“不合群”的点
• Hierarchical Clustering(层次型聚类)

  

  • 解释
    • 特点：从底往上，把所有可能的聚类都“聚”出来，然后再根据需要决定分成几个簇
  • 方法:(Hierarchical) Agglomerative Methods：(分层)聚类法

    

    • 解释
      • 由底向上的
      • 是一个迭代过程
      • proximity matrix(时间、空间上的“靠近”） :距离矩阵
    • Example：如何计算簇之间的距离：计算方法可有所不同

      

      

      

      • 解释
        • 目的：做城市之间的一个聚类
        • 6*6的矩阵代表两个城市之间的距离（可以只看下三角）
        • 找到最小距离的两个城市后，合并并更新矩阵距离值，变为5*5矩阵
        • 使用“single link”方式：MI/TO与NA/RM合并前后的距离选择了754与564中的最小值564作为新的矩阵中的距离值
    • Single Link VS. Complete Link (Min vs. Max)

      

• Reading Materials