OPTICS 聚类

1 定义（核心点，核心距离，可达距离）

核心点（核心对象）：ε邻域内，数据个数大于等于阈值的点。
核心距离：使每个点成为核心对象的最小距离。
可达距离：若x为核心点，则y关于x的可达距离为，y与x的欧氏距离和x的核心距离，中的最大值。

2 算法流程

输入：数据样本 D，初始化所有点的可达距离和核心距离为MAX，半径ε，阈值 MinPts。
1、建立两个队列，有序队列和结果队列。
2、如果D中非空，则从D中选择一个未处理的核心对象，将该核心对象放入结果队列，该核心点的直接密度可达点放入有序队列，直接密度可达点按可达距离升序排列；
3、如果有序队列为空，则回到步骤2，否则从有序队列中取出第一个点；
3.1 判断该点是否为核心点，不是则回到步骤3，是的话则将该点存入结果队列，否则回到步骤3
3.2 该点是核心点，然后找到其所有直接密度可达点，并将这些点放入有序队列，且将有序队列中的点按照可达距离重新排序，如果该点已经在有序队列中且新的可达距离较小，则更新该点的可达距离。
3.3 重复步骤3，直至有序队列为空。
4、算法结束。

1、从结果队列中按顺序取出点，如果该点的可达距离不大于给定半径ε，则该点属于当前类别，否则至步骤2；

2、如果该点的核心距离大于给定半径ε，则该点为噪声，可以忽略，否则该点属于新的聚类，跳至步骤1；

3、结果队列遍历结束，则算法结束。