DBSCAN-密度聚类

DNSCAN有几个点需要理解清楚：

核心点：

在半径eps邻域内含有超过minpts数目的点，则为核心点，这些点都在簇内。

边界点

在半径eps邻域内含有小于minpts数目的点，则为边界点，这些点都在核心的邻居。

噪声点

不是核心点和边界点的点

核心对象

如果对象的Eps邻域至少包含最小数目MinPts的对象，则称该对象为核心对象。

eps邻域

给定对象半径Eps内的邻域称为该对象的Eps邻域，我们用 表示点p的Eps-半径内的点的集合，即:

N ( p) = {q | q在数据集 D中，distance(p , q)  Eps}

直接密度可达：

给定一个对象集合D，如果p在q的Eps邻域内，而q是一个核心对象，则称对象p 从对象q出发时是直接密度可达的(directlydensity-reachable)。

密度可达：

如果存在一个对象链 ，对于pi属于集合D，pi+1是从pi关于Eps和MinPts直接密度可达的，则对象p是从对象q关于Eps和MinPts密度可达的(density-reachable)。

密度相连：

如果存在对象O∈D，使对象p和q都是从O关于Eps和MinPts密度可达的，那么对象p到q是关于Eps和MinPts密度相连的(densityconnected)。

直接密度可达一定密度可达，密度相连一定密度可达

原理：

1，DBSCAN通过检查数据集中每个样本点的eps邻域来搜索簇，如果点p的我平时邻域包含的点多余minpts，则创建一个以p为核心对象的簇
2，DBSCAN迭代的聚集从这些核心点对象直接密度可达的对象，这个过程可能涉及一些密度可达的合并
3，当没有新的点添加到任何簇时，过程结束。

伪代码：

import numpy as np
import matplotlib.pyplot as plt
import math
import random
from sklearn import datasets

#距离公式
def distance(x,y):
    return np.sqrt(np.sum((x-y)**2))

def dbscan(dataset,minpts,eps):
    n,m = dataset.shape
    clusters = np.full(n,-1)
    #簇的类别
    k = 1
    for i in range(n):
        if clusters[i]!=-1:
            continue
        #获取领域中的所有样本点
        subdataset = [j for j in range(n) if distance(dataset[j],dataset[i])<=eps]
        print(subdataset)
        if len(subdataset)<minpts:
            continue
        #建立簇的标记
        k+=1
        clusters[i] = k
        for j in subdataset:
            clusters[j] = k
            if j>i:
                sub = [item for item in range(n) if distance(dataset[j],dataset[item])<eps]
                if len(sub)>=minpts:
                    for t in sub:
                        if t not in subdataset:
                            subdataset.append(t)
        print(clusters)
        return clusters