1.相关概念
DBSCAN是基于密度的聚类算法,该类算法假设聚类结构能够通过样本分布的紧密程度确定(样本密度均匀分布),它通常考虑的是样本之间的可连接性,并以最大连接性确定聚类簇。要搞懂该算法,首先要理清楚几个概念:
- 邻域:对于样本 x i ∈ D x_i \in D xi∈D,其邻域包含样本集D中距离 x i x_i xi不超过 ϵ \epsilon ϵ的样本,即 N ϵ ( x i ) = { x j ∈ D ∣ d i s t ( x i , x j ) ≤ ϵ } N_\epsilon(x_i)=\{x_j \in D | dist(x_i,x_j) \leq \epsilon \} Nϵ(xi)={ xj∈D∣dist(xi,xj)≤ϵ}。若采用欧式距离,那么 N ϵ ( x i ) N_\epsilon(x_i) Nϵ(xi)就是以 x i x_i xi为圆心,以 ϵ \epsilon ϵ为半径的圆域。
- 核心对象: x i x_i xi的邻域中至少包含 m i n P t s minPts minPts个样本,即 ∣ N ϵ ( x i ) ∣ ≥ m i n P t s |N_\epsilon(x_i)| \geq minPts ∣Nϵ(xi)∣≥minPts,则 x i x_i xi是一个核心对象。这说明核心对象紧邻着多个样本,所以核心对象是算法关注的对象。
- 密度直达: x j x_j xj在 x i x_i xi的邻域中且 x i x_i xi是核心对象,则称 x j x_j xj由 x i x_i xi密度直达,记作 x i → x j x_i \rightarrow x_j xi→xj。不难理解,因为核心对象 x i x_i xi与邻域中的样本紧密的挨着,我们可以认为 x i x_i xi