基于聚类的离群点检测重点.docxVIP

DBSCAN密度算法： 1、DBSCAN算法介绍 DBSCAN算法是将密度足够大的数据组成类。DBSCAN需要由用户主观来选择参数从而影响了最终的聚类结果，对于数据量为凡的样本集合，DBSCAN的计算复杂度为D(n2)。一般采用空间索引的方法降低时间复杂度，复杂度为D(nlogn)。 2、DBSCAN算法用到的定义如下 定义l(数据点的Eps邻域)以数据样本中任意一点为圆心，Eps为半径的球形区域内包含的点的集合，叫做该数据点的Eps邻域。 定义2(数据点的密度)数据样本中任意一点的Eps邻域内包含的点数，叫做该数据点的密度。 定义3(核心数据点)核心数据点是指在Eps半径范围之内包含等于Minpts或大于Minpts个点的数据样本中任意一点。 定义4(边界数据点)边界数据点是指在某个核心数据点的邻域内，但自身不是核心数据点的数据样本中任意一点。 定义5(直接密度可达)已知Eps，Minpts，对于点x和点y，如果y是核心点，而且x属于y的Eps邻域，则点x从点y直接密度可达。 定义6(密度可达)如果对于给定的Eps，Minpts存在点链x1，x2，x3? xn，其中x1=x，xn=Q，而且xi从xi+l直接密度可达，那么点x从点Q密度可达。 定义7(密度相连)如果在给定Eps，Minpts的情况下，存在点p，使得点x和点y都从p密度可达，则点x和y是密度相连的。 定义8事先给定E