DBSCAN聚類演算法的實現

設有n個樣本，樣本為p維，

（1）計算距離矩陣d，時間複雜度為o(n*n*p)；

（2）對距離矩陣的每一行進行從小到大排序，得到sd（sorted d），時間複雜度為o(n*n*log(n));

（3）根據eps與minpts，標註核心點、邊界點和雜訊點。

首先比較sd（：，minpts）與eps的大小，若前者小於後者，則為核心點，反之為非核心點。

對於非核心點，檢驗其eps鄰域中是否包含核心點，若包含，則為邊界點，否則為雜訊點。

（4）對於核心點和邊界點，建立連線矩陣c（connect），若兩點的距離小於eps，則對應位置為1，反之為0。

特別地，c的對角線的元素取0。

（5）關鍵步：根據連線矩陣c，確定哪些點為一簇（cluster）。用數學的語言來說，就是找出集合的等價類。

演算法：從c（1,1）出發，先沿著行往右走，遇到0繼續向右，遇到1時，記錄所在列的指標，然後開始沿著該列往下走，也是遇到0繼續向下，遇到1，記錄所在行的指標，然後換成沿著行往右走，直到行或者列的指標為n。

在上述的搜尋過程中，設定標識變數flag，每次轉換行列，將flag設為0，若移動一次，即遇到1，則flag不變，否則flag=移動一次後所在的列。若一次迭代後，flag=0，說明所有的點都已經分好簇，否則下次從c（flag,flag）處開始搜尋。