数据挖掘2015最新精品课程完整课件(第14讲)---基于密度的聚类.ppt

* OPTICS：通过点排序识别聚类结构 Step 1：有序种子队列初始为空．结果队列初始为空 ； Step 2：如果所有点处理完毕．算法结束；否则选择一个未处理对象（即不在结果队列中）放入有序种子队列： Step 3：如果有序种子队列为空，返回Step 2，否则选择种子队列中的第一个对象P进行扩张： Step 3.1：如果P不是核心节点．转Step 4；否则，对P 的E邻域内任一未扩张的邻居q 进行如下处理 Step 3.1.1：如果q已在有序种子队列中且从P到 q的可达距离小于旧值，则更新q的可达距离，并调整q到相应位置以保证队列的有序性； Step 3.1.2：如果q不在有序种f队列中，则根据P 到q的可达距离将其插入有序队列； Step 4：从有序种子队列中删除P．并将P写入结果队列中，返回Step 3 OPTICS：通过点排序识别聚类结构 数据集的排序可以用图形描述，有助于可视化和理解数据集中聚类结构，例如下图是一个简单的二维数据集的可达图。其中三个高斯“凸起”反映数据集中比较稠密的部分。 * 参数的影响 ?减小，则可达距离为无穷大的点增多； MinPts减小，核心对象增多，图象更尖锐 不同密度、形状、大小的簇 * * 基于密度的聚类方法 * * 基于密度的聚类方法 划分和层次方法旨在发现球状簇。他们很难发现任意形状的簇。 改进思想，将簇看作数据空间中由低