DBSCAN聚类算法原理

DBSCAN聚类算法原理

基础

DBSCAND算法的全称是ensity-based spatial clustering of applications with noise (DBSCAN)，从原理上讲，该算法属于OPTICS算法的一种特殊情况，而OPTICS算法就是DBSCAND算法的推广。

概念与定义

与OPTICS算法类似，DBSCAND算法的输入参数同样包括:半径$\varepsilon$，和最少点数$MinPts$；不同的是DBSCAND算法中有样本与样本直间分为直接（密度）可达与（密度）可达两种情况，定义分别如下：

• 直接（密度）可达：

• P为核心点，那么其周围在半径$\varepsilon$内的点都是从P直接（密度）可达。

• （密度）可达：

• 对于点Q，如果存在