OPTICS聚类算法原理

OPTICS聚类算法原理

基础

OPTICS聚类算法是基于密度的聚类算法，全称是Ordering points to identify the clustering structure，目标是将空间中的数据按照密度分布进行聚类，其思想和DBSCAN非常类似，但是和DBSCAN不同的是，OPTICS算法可以获得不同密度的聚类，直接说就是经过OPTICS算法的处理，理论上可以获得任意密度的聚类。因为OPTICS算法输出的是样本的一个有序队列，从这个队列里面可以获得任意密度的聚类。

定义

OPTICS算法的基础有两点，

• 参数（半径，最少点数）：

一个是输入的参数，包括:半径$\varepsilon$，和最少点数$MinPts$。

• 定义（核心点，核心距离，可达距离，直接密度可达）：

另一个是相关概念的定义：
核心点的定义，如果一个点的半径内包含点的数量不少于最少点数，则该点为核心点，数学描述即

$$N_\varepsilon(P)>=MinPts$$

在这个基础上可以引出核心距离的定义，即对于核心点，距离其第 MinPts