08 聚类正式(学习资料).ppt

* Data Mining: Concepts and Techniques * Basic Concepts Two parameters: 1. Eps （点P的邻域的ε半径）:给定ε，我们可以找到落在点p半径ε内的近邻的数量。 Nε(p) ={q | q belongs to D ,dist(p,q) = Eps} 2. MinPts: 给定邻域Nε(p) 包含的点的最小数目. * Data Mining: Concepts and Techniques * Basic Concepts 核心对象：在其ε邻域范围内，具有至少MinPts个点，那么该点为核心对象。例ε=2，minpts=5。 边界对象：不满足上述条件为边界对象。 直接密度可达：(Directly density-reachable): A point p is directly density-reachable from a point q w.r.t. Eps, MinPts if p belongs to NEps(q) core point condition: |NEps (q)| = MinPts p q MinPts = 5 Eps = 1 cm * Data Mining: Concepts and Techniques * Density-Reachable 密度可达 密度可达：A point p is density-reachable from a point q w.r.t. Eps, MinPts if there is a chain of points p1, …, pn, p1 = q, pn = p such that pi+1 is directly density-reachable from pi 点P是由点q关于参数(ε,minpts)密度可达的，当且仅当存在由q开始的p1,p2,……,pn=p,满足pi+1是从pi直接密度可达的。 p q p1 * Data Mining: Concepts and Techniques * Density-Connected密度相连 A point p is density-connected to a point q w.r.t. Eps, MinPts if there is a point o such that both, p and q are density-reachable from o w.r.t. Eps and MinPts 密度相连：点p和点q是关于Eps, MinPts 密度相连的，当存在点O，使得p和q都是由点O关于Eps, MinPts 密度可达的。 噪声点：如果点P既不是核心对象 也不是其他点密度可达，就是噪声点 p q o * Data Mining: Concepts and Techniques * DBSCAN 算法 1 任意选择一点p 2 如果p没有被分簇，则检查他的核心点条件 3 如果p为核心点，找到p点的关于ε，minpts密度可达的点 4 用这些点形成一个簇，为每个点分配簇ID 5 如果p不为核心点，则访问数据点中的下一个点 6 循环该过程，直到处理完所有点 * Data Mining: Concepts and Techniques * DBSCAN 算法 * Data Mining: Concepts and Techniques * 案例 设ε=3，minpts=4，采用DBSCAN算法进行 随机选择一个点，例如NP={（3，1）} 由该点检查其紧邻点是否来自其ε邻域 尝试（2，2），两点距离为 ，因此加入到邻域范围内，成为新簇NP=={(3,1),(2,2)} 再尝试（3，4），计算距离，然后加入该簇 …… 对于簇中的任何点，在其邻域内找不到新点，则选择其他点重新开始该过程 * Data Mining: Concepts and Techniques * DBSCAN: Density Based Spatial Clustering of Applications with Noise Relies on a density-based notion of cluster: A cluster is defined as a maximal set of density-connected points Discovers clusters of arbitrary shape in spatial databases with noise Core Border Outlier Eps = 1cm MinPts = 5 * Data Mining: Concepts and Techniq