基于密度的聚类算法

DBSCAN的核心思想是从某个核心点出发，不断向密度可达的区域扩张，从而得到一个包含核心点和边界点的最大化区域，区域中任意两点密度相连。

邻域：对任意一个点p，其邻域定义为：。
密度：设，则为的密度。
核心点：设，若，则称为中的中心点，中心点构成的集合为。
边界点：设，且落在某个核心点的邻域内。一个边界点可能落在多个核心点的邻域内。
直接密度可达：设，若满足且，则称从直接密度可达。
密度可达：假设存在一串点，使得从是直接密度可达的，那么就认为从密度可达。
密度相连：假设存在点，其中均从密度可达，那么和密度相连。密度相连具有对称性。
类簇：设非空集合，若满足：
（1），且从密度可达，那么。
（2）和密度相连。则称构成一个类簇。

缺点：DBSCAN使用了统一的邻域值和值，在类中的数据分布密度不均匀时，较小时，密度小的cluster会被划分成多个性质相似的cluster；较大时，会使得距离较近且密度较大的cluster被合并成一个cluster。在高维数据时，因为维数灾难问题，的选取比较困难。
优点：能发现任意形状的聚簇，聚类结果几乎不依赖于结点遍历顺序，能够有效的发现噪声点。