DBSCAN密度聚类

A density-based algorithm for discovering clusters in large spatial databases with noise

基础定义

邻域：对于任意样本i和给定距离e，样本i的e邻域是指所有与样本i距离不大于e的样本集合；
核心对象：若样本i的e邻域中至少包含MinPts个样本，则i是一个核心对象；
密度直达：若样本j在样本i的e邻域中，且i是核心对象，则称样本j由样本i密度直达；
密度可达：对于样本i和样本j，如果存在样本序列p1，p2，…，pn，其中p1=i，pn=j，并且pm由pm-1密度直达，则称样本i与样本j密度可达；
密度相连：对于样本i和样本j，若存在样本k使得i与j均由k密度可达，则称i与j密度相连。

DBSCAN 将簇定义为：由密度可达关系导出的最大的密度相连样本集合。

缺点：

1、受到欧式距离的通病维数灾难的影响
2、对于在密度上有较大差异的数据，
3、最小样本个数 MinPts 的选取又非常困难。

MinPts=3 的时候，虚线圆圈为 e 邻域，x1 是核心对象，x2 由 x1 密度直达，x3 由 x1 密度可达，x3 与 x4 密度相连。