dbscan聚类算法matlab_密度聚类DBSCAN、HDBSCAN(转)

# 密度聚类DBSCAN、HDBSCAN

DBSCAN

DBSCAN（Density-Based Spatial Clustering of Applications with Noise，具有噪声的基于密度的聚类方法）是一种基于密度的空间聚类算法。该算法将具有足够密度的区域划分为簇，并在具有噪声的空间数据库中发现任意形状的簇，它将簇定义为密度相连的点的最大集合。 在DBSCAN算法中将数据点分为三类：

• 核心点（Core point）。若样本 的 邻域内至少包含了MinPts个样本，即 ( )≥ ，则称样本点 为核心点。
• 边界点（Border point）。若样本 的 邻域内包含的样本数目小于MinPts，但是它在其他核心点的邻域内，则称样本点 为边界点。
• 噪音点（Noise）。既不是核心点也不是边界点的点

1、算法的流程

• 根据给定的邻域参数Eps和MinPts确定所有的核心对象
• 对每一个核心对象
• 选择一个未处理过的核心对象，找到由其密度可达的的样本生成聚类“簇”
• 重复以上过程

伪代码：

(1) 首先将数据集D中的所有对象标记为未处理状态  

(2) for（