基于密度的聚类DBSCAN（理论部分）

并不是在边界上的点就是边界点


出发—表示方向;可达—够得着

从P到q密度可达,p和m两个互相之间都是直接密度可达,如果密度可达则一定密度相连

部分代码：

import numpy as np 

#定义一个类 用于计算样本状态信息

#距离计算
def distance(x,y):
    return np.sqrt(np.sum(x-y)**2)

def dbscan(dataset,minPts,eps):
    """
    :param dataset:数据集
    :param minPts:最小点数
    :param eps:半径
    :return 放回样本簇到集合
    """
    n,m=dataset.shape
    #定义一个容器，存储样品分类
    clusters=np.full((n,1),-1)
    #簇点类别
    k=-1
    for i in range(n):
        if clusters[i]!=-1:
            continue
        #获取领域中的所有样本点
        subdataset=[j for j in range(n) if distance(dataset[j],p)<eps]
        if len(subdataset)<minPts:
            continue
        #建立新的簇（标记）
        k+=1
        clusters[i]=k
        for j in subdataset:
            clusters[j]=k
            if j>i:
                sub =[item for item in range(n) if distance(dataset[j],dataset[item])<=eps]
                if len(sub)>=minPts:
                    for t in sub:
                        if t not in subdataset：
                            subdataset.append(t)
                    # subdataset.extend(sub)#sub中元素，append是列表
                    # subdataset=list(set(subdataset)) set导致数据乱了
    return clusters

没分出来