基于密度的聚类之DBSCAN算法

DBSCAN(Density-Based Spatial Clustering of Applications with Noise，具有噪声的基于密度的聚类方法）

1.名词解释

给出半径：Eps；

给出某个点的Eps邻域内点的个数的阈值：MinPts。

核心点（core point）：该点的给定邻域内的点的个数≥MinPts；

边界点（border point）：不是核心点，但落在核心点的邻域内；

噪声点（noise point）：除了核心点和边界点以外的点。

Eps邻域：与某个点的距离小于等于Eps的所有点的集合；

直接密度可达：对于样本集合D，如果样本点q在p的Eps领域内，并且p为核心对象，那么对象q从对象p直接密度可达；

密度可达：对于样本集合D，给定一串样本点p₁,p₂….p_n，p= p₁,q= p_n,假如对象p_i从p_i-1直接密度可达，那么对象q从对象p密度可达。

2.DBSCAN算法流程

输入：Eps，MinPts，样本集合D

输出：生成的簇

（下面的步骤来自《数据挖掘导论》[美]Pang-Ning Tan，Michael Steinbach，Vipin Kumar 著，范明，范宏建等译）