R聚类算法-DBSCAN算法

DBSCAN算法（Density-Based Spatial Clustering of Application
with Noise）密度聚类算法
基于密度的聚类算法，K-means和层次聚类对于球状的簇聚类效果很好，DBSCAN可以用于更多复杂形状簇的聚类。

R中实现DBSCAN算法的API
“fpc”包
install.packages(“fpc”)
dbscan(data,eps,MinPts)

• data 样本数据 eps
• 领域的大小，使用圆的半径表示
• Minpts 领域内，点的个数的阈值

理解概念：

密度（Density）
空间中任意一点的密度是以该点为圆心，以EPS为半径的圆区域内包含的点数目
N的密度为1，B、C的密度为2，A的密度为4

邻域（Neighborhood）
空间中任意一点的邻域是以该点为圆心、以EPS为半径的圆区域内包含的点集合

核心点（Core Points）
空间中某一点的密度，如果大于某一给定阈值MinPts,则称该点为核心点
设MinPts为3，则核心点为A

边界点（Border Points）
空间中某一点的密度>1并且小于MinPts
图中的边界点为B、C

噪声点（Noise Points）
数据集中不属