第八章聚类分析解析.ppt

9.5 基于层次的聚类方法 大体上，主要的聚类算法可以划分为如下几类： （1）划分方法； （2）层次方法； （3）基于密度的方法； （4）基于网格的方法； （5）基于模型的方法。 * 基于密度的聚类方法 密度方法： 绝大多数聚类方法基于对象之间的距离进行聚类，这样的方法只能发现球状的簇，而在发现任意形状的簇上遇到了困难。 基于密度的方法：只要一个区域中点的密度（对象或数据点的数目）超过某个阈值，就将其加到与之相近的聚类中去。 这种方法可以过滤噪声孤立点数据，发现任意形状的簇。 代表算法有：DBSCAN、OPTICS、DENCLUE算法等。 * 基于密度的方法：DBSCAN 基于密度的聚类算法。该算法将具有足够高密度的区域划分为簇，并可以在带有噪声的空间数据中发现任意形状的聚类。 在该方法中，簇被定义为密度相连的点的最大集合。 先介绍该方法中涉及到的一些基本的定义。 * 基于密度的方法：DBSCAN 定义 1： 对象的ε-临域：给定对象在半径ε内的区域。 定义2： 核心对象：如果一个对象的ε-临域至少包含最小数目MinPts个对象，则称该对象为核心对象。 例如，在下图中，设定ε=1cm，MinPts=5，则q是一个核心对象。 边界点：边界点不是核心点，但落在某个核心点的邻域内； * 基于密度的方法：DBSCAN 定义 3： 直接密度可达：给定一个对象集合D，如