Python语言PPT14.5DBSCAN聚类算法.pptVIP

算法的流程 1. 指定邻域半径eps和????????????的值，初始化样本集内所有样本点的可达距离为极大值inf。创建两个队列：有序队列和结果队列。 2. 从样本集中选取一个核心点xi，放入结果队列，如果没有核心点，则算法结束。 3. 找到xi的所有直接密度可达的点，如果不在结果队列中，则计算其与xi的可达距离，放入到有序队列，将有序队列按可达距离值从小到大排序。 4.如果有序队列为空，则转到第2步，否则，从有序队列中取出第1个点P放入结果队列中，并对点P 算法的流程(续) 4.1 如果点P为非核心点，则跳至第4步，否则取出该点的所有直接密度可达点。 4.2 如果点P的直接密度可达点已经在结果队列中，则跳转至第4步。 4.3 如果点P的直接密度可达点不在有序队列中，则计算与点P的可达距离，加入有序队列，并对有序队列按可达距离值从小到大排列，跳至第4步。 4.4 如果点P的直接密度可达点已经在有序队列中，则计算与点P的可达距离，如果新的可达距离小于原可达距离，则更新该点的可达距离，并重新排序，跳至第4步。 算法的Sklearn实现 OPTICS(*, min_samples=5, max_eps=inf, metric=minkowski, p=2, metric_params=None, cluster_method=xi, eps=None, xi=0.05, predece