![](https://img-blog.csdnimg.cn/20201014180756738.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
密度聚类算法
Justin-wu
最好的你在路上!
展开
-
K-Means原理分析以及其变种算法
从K-Means到elkan K-Means,再到Mini Batch K-Means K-Means是最普通的聚类方法,应用面比较广。 elkan K-Means是K-Mean算法的变种,用于简化计算: elkan K-Means原理: 规律1.对于一个样本点X和两个质心O1和O2,如果我们预先计算出来了两个质心之间的距离D(O1,O2) 如果2D(X,O1)≤D(O1,O2)即可得到D原创 2017-07-21 11:05:15 · 4738 阅读 · 0 评论 -
DBSCAN算法原理分析
DBSCAN算法:定义:基于密度的带有噪声的空间聚类,可用于异常值监测,通俗来说就是基于密度的聚类算法! 簇的定义:簇定义为密度相连的点的最大集合,能够把具有足够高密度的区域划分为簇,并且可以在噪声的空间数据库中发现任意形状的聚类 原理:该算法利用基于密度的聚类的思想,即要求聚类空间中的一定区域内所包含对象的数目不小于某一给定的阈值。 DBSCAN算法的目的:是基于密度寻找被低密度区域分离的高原创 2017-07-20 16:33:38 · 5844 阅读 · 0 评论