聚类模型-密度聚类-DBSCAN

聚类模型

1、层次聚类

2、原型聚类-K-means

3、模型聚类-GMM

4、EM算法-LDA主题模型

5、密度聚类-DBSCAN

6、图聚类-谱聚类

五、密度聚类-DBSCAN

DBSCAN的类表示是一簇密度可达的样本，相似性度量定义为密度可达，密度可达即为一类，属于硬划分。密度聚类是一种基于密度的聚类，其根据样本的空间分布关系进行聚类。一般来讲，用带参的模型来定义样本的分布可以看作是带参的密度估计，比如高斯混合模型，高斯判别分析；用无参的模型来描述样本的分布称为无参密度估计，比如直方图，核密度估计，山峰聚类，DBSCAN，meanshift。

假设我的样本集是$(x_1,x_2,...,x_m)$，在DBSCAN中为了描述样本分布的关系，定义了如下几个概念：

1） $\epsilon$-邻域：对于$x_j\in D$，其$\epsilon$-邻域包含样本集$D$中与$x_j$的距离不大于$\epsilon$的子样本集，即$N_{\epsilon}(x_j) = \{x_i \in D | distance(x_i,x_j) \leq \epsilon\}$ 这个子样本集的个数记为$|N \in (x_j)|$　

2）核心对象：对于任一样本$x_j\in D$，如果其$\epsilon$-邻域对应的 N∈(x