# 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
![bb52e358f82776d1764f9c910f01a849.png](https://i-blog.csdnimg.cn/blog_migrate/b8af8a2c344f921c61eb7cf91fcf8a73.png)
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(