聚类分析（三）——DBSCAN算法

一.简介

DBSCAN算法是一种基于密度的聚类算法。

基于密度的聚类算法会寻找被低密度区域分离的高密度区域。

.

该算法我们首先需要将所有的点分为：核心点，边界点，噪声点。

区分这些点的依据是根据我们提前给出的MinPts和Eps，这里假设我们提前给定MinPts=7
核心点：如果该点的给定邻域内点的个数超过给点的阈值MinPts。下图的点A，以A为圆心，Eps为半径的区域内共有7个点（包括点A和点B一共7个），那么A就是核心点。

边界点：边界点不是核心点，但它落在核心点的邻域内。 下图的点B，以B为圆心，Eps为半径的区域只有4个点，小于MinPts，所以B不是核心点，但由于它落在核心点A的邻域内，所以它是边界点。

噪声点：噪声点是除了核心点和边界点之外的点。如点C，以C为圆心，Eps为半径的区域内只有3个点，所以它不是核心点，并且它不在A的邻域内，所以它不是边界点。所以它为噪声点。

二.DBSCAN算法

1.将所有的点标记为核心点、边界点、噪声点
2.删除噪声点
3.为距离在Eps之内的所有核心点直接赋予一条边
4.每组连通的核心点形成一个簇
5.将每个边界点指派到一个与之关联的核心点所在的簇中

参考书籍：
《数据挖掘导论》由人民邮电出版社出版，[美]作者Pang-Ning Tan，Michael Steinbach，Vipin Kumar 合著