DBSCAN是一种基于密度的空间聚类算法，通过核心点、直接密度可达和密度可达的概念进行聚类。它能发现任意形状的簇，并且对异常点不敏感。算法工作流程包括随机选择未访问点，检查其ε-邻域内的点数，若满足条件则创建新簇并继续搜索邻域内的点。参数ε和minPts是关键设定，ε定义邻域半径，minPts设定密度阈值。
Density-Based Spatial Clusting of Applications with Nosie
1、关键概念
如果某个点的密度达到算法设定的阈值，则为核心点。即半径r的邻域内点的数量不小于minPts
直接密度可达：如果点p在点q的r邻域内，且q是核心点，则成p到q是直接密度可达。
密度可达：如果有点序列：q0，q1,...qk，对任意的qi，qi-1是直接密度可达的，则称从q0到qk是密度可达的。（实际是直接密度可达的“传播”）
密度相连：如果从某个核心点p出发，到点q和点k都是密度可达的，则称点q和点k是密度相连的。
边界点：属于某一类的非核心点。
噪声点：不属于任何一个类簇的点，从任何一个核心点出发都是密度不可达的。
应用：异常检测，聚类。
2、算法工作流程
1. 标记所有对象为unvisited；
2. Do
3. 随机选择一个unvisited对象p；
4. 标记p为visited；
5. if p的ε-邻域至少有minpts个对象
6. 创建一个新簇C&#x
最低0.47元/天 解锁文章
扫一扫
418
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
