概念
ϵ 鄰域:
給定點的
ϵ 為半徑的區域
核心點(core points)：
如果點p
的ϵ鄰域內的點數大於mi
npts
，那麼p 是核心點
直接可達(directly reachable)：
核心點p到其ϵ
鄰域內的所有點是直接可達的。（注意必須是
p 必須是核心點）
可達(reachable)：
如果存在一條路徑p1
=p,p
2,..
.,pn
−1,p
n=q，如果對於任意
i ，pi
到pi+
1 是直接可達的，那麼
p 到
q是可達的。
異常點(outliers)：
對於點p
，如果沒有任意乙個點到
p可達，那麼稱
p 是異常點
原理簇(cluster)：
如果p是核心點，那麼它可達到的所有點組成乙個簇。
邊界點(edge)：
簇中的非核心點稱為邊界點，因為它們無法到達其他點，而只能構成簇的邊界。
例項：
偽**：
dbscan的過程可以理解為從乙個核心出發，不斷擴充套件簇的範圍，直到遇到邊界點為止。
c = 0
for each point p in dataset d
}}expandcluster(p, neighborpts, c, eps, minpts)
if p' is
not yet member of any cluster
add p' to cluster c
}}regionquery(p, eps)
return all points within p's eps-neighborhood (including p)
參考：
聚類演算法 DBSCAN
dbscan 是一種簡單的，基於密度的聚類演算法。本次實現中，dbscan 使用了基於中心的方法。在基於中心的方法中，每個資料點的密度通過對以該點為中心以邊長為 2 eps 的網格 鄰域 內的其他資料點的個數來度量。根據資料點的密度分為三類點 1 核心點 該點在鄰域內的密度超過給定的閥值 minps...
DBSCAN聚類演算法
基於密度定義，我們將點分為 dbscan演算法的本質就是隨大流，邊界點緊緊圍繞著核心點，他們抱團，不帶噪點玩兒 小團體多了，聯絡比較密切的小團體之間聚成了同個類 比較偏遠的小團體想要加入這個圈子，進不去，就單幹，我們自己玩自己的，聚成了另外的乙個類 一開始就被孤立的噪點吧，自然有自己的傲骨，接著孤芳...
DBSCAN 聚類演算法
dbscan演算法是一種基於密度聚類的演算法。核心概念 核心點 若某個點的密度達到演算法設定的閾值 即 r 鄰域內點的數量不小於 minpts 則其為核心點。直接密度可達 若某點p在點q的 r 鄰域內，且q是核心點，則稱p從q出發直接密度可達。密度可達 若有乙個點的序列q0 q1 qk，對任意qi從...