- 1、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。。
- 2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
2.4节 基于密度的聚类
2.4 基于密度的聚类算法;一、基本思路;二、几个概念;密度可达的
如果存在点的序列:
其中 是从 直接密度可达的,则称点pi+1是从q关于Eps和MinPts密度可达的。
密度相连的
如果存在点r,p,q,p和q都是从点r关于Eps和MinPts密度可达的,则称点p是从点q关于Eps和MinPts密度相连的
基于密度的簇
令D表示数据集,D的一个非空集合C满足下列条件
对任意点p和q,若 且q是从p关于Eps和MinPts密度可达的,则有
p与q是关于Eps和MinPts密度相连的。
则称C是基于密度的簇;噪声点集
令 是数据集中关于不同参数Eps和MinPts的基于密度的簇,则点集
称作噪声点集
令p为数据集D中的一个点, ,则集合
是基于密度的簇
令C是一个关于Eps和MinPts的簇,p为C中某个满足 的点,则C应满足下列条件;关于密度可达的图示;三、DBSCAN算法;DBSCAN的特点;例2-9 用DBSCAN对例2-2 实例聚类:Eps=0.6,MinPts=1;例2.9中各点之间的距离矩阵;计算有关点的邻域;求基于密度的簇;OPTICS简介
文档评论(0)