聚类算法（二）：DBSCAN算法

最新推荐文章于 2022-08-31 15:49:06 发布

chixujohnny

最新推荐文章于 2022-08-31 15:49:06 发布

阅读量1.7k

点赞数

分类专栏：数据挖掘文章标签：聚类分析聚类 DBSCAN

本文链接：https://blog.csdn.net/chixujohnny/article/details/50340021

版权

本文介绍了DBSCAN，一种基于密度的聚类算法。通过选择未访问对象，检查其e-邻域包含的点数来发现簇。当e-邻域包含至少MinPts个点时，创建新的簇并迭代地添加符合条件的对象。最后，当无法再扩充簇时，输出生成的簇。文章还提供了Python源码实现。

摘要由CSDN通过智能技术生成

首先确保你在动手写代码之前已经了解什么是聚类分析。

DBSCAN算法----一种基于密度的聚类算法。DBSCAN算法是如何发现簇的呢？

1.首先，给定数据集D中的所有对象都被标记为unvisited

2.随机的选择一个未访问的对象p，标记为visited

3.检查p的e-邻域是否至少包含MinPts个点

4.如果不是则标记为噪声点，否则为p创建一个簇C，并且把p的e-邻域中的所有对象都放到候选集合N中

5.DBSCAN迭代的把N中不属于其它簇的对象添加到C中。在此过程中，对于N中标记为unvisited的对象p‘，DBSCAN把它标记为visited，并检查它的e-邻域对象。

6.如果p’的e-邻域至少有MinPts个对象，则p‘的e-邻域中的对象全部添加到N中

7.DBSCAN继续添加对象到C中，知道C不能再被扩充位置，至此N就空了。此时簇C被生成，于是被输出

源码（Python）

import random
import math
import copy

def DBSCAN(data, e, MinPts):
    visited = []  # 已访问的成员
    C = []   # 一个新的簇C
    cluster = []
    unvisited = copy.deepcopy(data)  # 对所有对象标记为unvisited
    while unvisited != []:  # 如果还有未被探索的点则继续循环
        mark = random.randint(0, len(unvisited)-1)
        p = unvisited[mark]  # 在