dbscan算法是一种基于密度的聚类算法.pdfVIP

dbscan 算法是一种基于密度的聚类算法 dbscan 算法是一种基于密度的聚类算法。该算法的目的 在于过滤低密度区域，发现稠密度样本点，跟传统的基于层 次聚类和划分聚类的凸形聚类簇不同，该算法可以发现任意 形状的聚类簇，与传统的算法相比它有如下优点： 与 K-means 比较起来，你不必输入你要划分的聚类个数； 聚类簇的形状没有 bias； 可以在需要时输入过滤噪声 的参数； DBSCAN 中的的几个定义： Ε领域： 给定对象半径 为 Ε内的区域称为该对象的 Ε领域核心对象：如果给定对象 Ε领域内的样本点数大于等于 MinPts ，则称该对象为核心对 象。直接密度可达：对于样本集合 D ，如果样本点 q 在 p 的 Ε领域内，并且 p 为核心对象，那么对象 q 从对象 p