【数据挖掘学习笔记】9.高级聚类方法

一、密度聚类

基于距离的方法
– 适用于发现类球状的簇
– 在交通等领域，非球状簇的挖掘效果较差
– 判断是否“聚”的依据不仅仅有距离

基于密度进行聚类的思想
– 发现“密”的区域
– 判断密的区域的连通性
– DBSCAN（Density-Based Spatial Clustering of Applications with Noise）适应噪声的基于密度的空间聚类应用

对象的ε-临域

– 对象为中心、以ε为半径的空间（一定范围）

核心对象

– 如果一个对象的ε-临域至少包含最小数目MinPts个对象，则称该对象为核心对象（范围内点个数够多）

核心对象附近是比较“密”的

密的区域的连通性

直接密度可达
– 对于对象q和对象p，如果q是核心对象，p在q的ε-临域中，则称p是从q直接密度可达的。
密度可达
– 有对象链p1、p2、…pn，对于pi（1≤i≤ n-1），pi+1是从pi关于ε和MinPts直接密度可达的，则称pn是从p1密度可达的

密度相连
– 对于两个对象p1和p2，如果存在一个对象q，使得p1和p2都是从q关于ε和MinPts密度可达的，则称对象p1和p2是关于ε和MinPts密度相连的。

密度相连的对象闭集作为一个簇
– 对于一个簇C，任意两个对象oi，oj∈C，oi和oj是密度相连的，并且不存在对象om∈C和另一个对象on ∉C，om和on是密度相连的

基本过程（参数ε和MinPts ）

– 初始化，所有对象均被标记为“未处理”
– 选择一个未处理的对象，判断其是否是核心对象
    • 如果不是，则标记为“已处理”；