一、经典DBSCAN的不足
1.由于“维度灾难”问题,应用高维数据效果不佳
2.运行时间在寻找每个点的最近邻和密度计算,复杂度是O(n2)。当d>=3时,由于BCP等数学问题出现,时间复杂度会急剧上升到Ω(n的四分之三次方)。
二、DBSCAN在高维数据的改进
目前的研究有Grid-based和approx等方向,基于Grid-based结构的有Fast-DBSCAN,时间复杂度最坏是O(n*log(n)),但只使用于二维数据空间。ρ-approximate DBSCAN使用四叉树分级结构,在d(维度)相对较小时,运行时间呈线性O(n),d较高时,运行时间是O(n2)。
三、NQ-DBSCAN
NQ-DBSCAN即在ρ-approx DBSCAN的基础上,对高维数据聚类时,采用剪枝操作,减少不必要的距离计算。它的平均时间复杂度是O(n*log(n)),索引结构也是四叉树分级结构最优时间复杂度是O(n)。
3.1 NQ-DBSCAN的假设与结论
NQ-DBSCAN即使用三角不等式的性质,通过一个点的NBHD,不必计算所有区域,只要计算小面积的点,就可以找到其临近点的NBHD,即剪枝。
假设:当点p和q距离很近时,他们的ε-NBHD也很近(近邻区域,不了解的朋友可以看上一篇博客)。给定ε,两点距离越近,NBHD越相似。如图: