实验环境:Windows10 + VS2015
CPU:i7-6700HQ 2.6GHz
GPU:NVIDIA GTX965M
DBSCAN算法介绍
DBSCAN(Density-BasedSpatial Clustering of Applications with Noise)是一个比较有代表性的基 于密度的聚类算法。与划分和层次聚类方法不同,它将簇定义为密度相连的点的最大集合,能够把具 有足够高密度的区域划分为簇,并可在噪声的空间数据库中发现任意形状的聚类。
DBSCAN的优点是,与K-means方法相比,DBSCAN不需要事先知道要形成的簇类的数量, DBSCAN可以发现任意形状的簇类,同时,DBSCAN能够识别出噪声点。DBSCAN对于数据库中样本 的顺序不敏感,即Pattern的输入顺序对结果的影响不大。但是,对于处于簇类之间边界样本,可能会 根据哪个簇类优先被探测到而其归属有所摆动。
二