八种点云聚类方法（三）

本文为博主原创文章，未经博主允许不得转载。
本文为专栏《python三维点云从基础到深度学习》系列文章，地址为“https://blog.csdn.net/suiyingy/article/details/124017716”。

        本节主要介绍OPTICS、Spectral Clustering(SC,即谱聚类)、 Hierarchical Clustering(层次聚类)、Mean-shift（即：均值迁移）、BIRCH、Affinity Propagation等聚类算法在点云聚类上的简单应用效果。DBSCAN和KMEANS聚类已在前两节介绍。skit-lean各个聚类算法的简要介绍请查看sklearn聚类方法详解_飞奔的帅帅的博客-CSDN博客_sklearn 聚类

1 OPTICS

        OPTICS是一种类似于DBSCAN的聚类算法，也是基于密度聚类。skit-learn中的OPTICS同样有多个参数。这里仅设置其中两个min_samples、max_eps，即累中最小的样本数和最大邻域距离。同样地，OPTICS聚类结果的类别也是未知的。

class sklearn.cluster.OPTICS(*, min_samples=5, max_eps=inf, metric='minkowski', p=2, metric_params=None, cluster_method='xi', eps=None, xi=0.05, predecessor_correction=True, min_cluster_size=No