DBSCAN基于密度的聚的类算法.ppt

下载文档 降价啦

1
0
约小于1千字
约 21页
2017-08-20 发布于浙江
举报
版权申诉
保障服务

DBSCAN基于密度的聚的类算法.ppt

1、本文档共21页，可阅读全部内容。
2、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。
3、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。
4、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)。

DBSCAN基于密度的聚的类算法

基于密度的聚类算法DBSCAN聚类算法;DBSCAN;密度的定义;传统基于中心的密度定义为：数据集中特定点的密度通过该点Eps半径之内的点计数(包括本身)来估计。显然，密度依赖于半径。 ;基于密度定义，我们将点分为：稠密区域内部的点(核心点) 稠密区域边缘上的点(边界点) 稀疏区域中的点(噪声或背景点). ;核心点(core point) :在半径Eps内含有超过MinPts数目的点，则该点为核心点这些点都是在簇内的边界点(border point):在半径Eps内点的数量小于MinPts，但是在核心点的邻居噪音点(noise point):任何不是核心点或边界点的点. ;DBSCAN: 核心点、边界点和噪音点;Original Points;DBSCAN算法概念;DBSCAN算法概念;DBSCAN算法概念示例;DBSCAN算法原理;DBSCAN算法伪代码 ;DBSCAN聚类算法的细节;DBSCAN运行效果好的时候;DBSCAN运行不好的效果;DBSCAN的其它问题;DBSCAN的时间复杂性;DBSCAM的空间复杂性;如何合适选取EPS和MinPts;DBSCAN算法的优缺点