1.DBSCAN算法名词概念
邻域（Eps）：以给定对象为圆心，半径内的区域为该对象的邻域
核心对象：对象的邻域内至少有MinPts（设定的阈值）个对象，则该对象为核心对象
边界对象：对象的领域小于MinPts个对象，但是在某个核心对象的邻近域中
离群点（噪声）：对象的领域小于MinPts个对象，且不在某个核心对象的邻域中
直接密度可达：如果a是核心对象，b在a的邻域内，则a到b是直接密度可达
密度可达：a到b是直接密度可达，b到c是直接密度可达，则a到c是密度可达
密度相连：a到b是密度可达，a到c也是密度可达，则b到c是密度相连的
2.DBSCAN算法步骤：
1.输入两个参数：邻域半径（Eps），邻域密度阈值（MinPts）
2.找一个未访问的点
3.如果该点是核心点，访问所有从该点密度可达的点，形成一个簇
4.如果该点是边界点，跳出循环，寻找下一个点
3.DBSCAN算法例题
DBSCAN聚类过程：
第
1
步，在数据库中选择一点
1
，由于在以它为圆心的，以
1
为半径的圆内包含
2
个点
，因此它不是核心点，选择下一个点。
1
步，在数据库中选择一点
1
，由于在以它为圆心的，以
1
为半径的圆内包含
2
个点
，因此它不是核心点，选择下一个点。
第
2
步，在数据库中选择一点
2
，由于在以它为圆心的，以
1
为半径的圆内包含
2
个点，因此它不是核心点，选择下一个点。
2
步，在数据库中选择一点
2
，由于在以它为圆心的，以
1
为半径的圆内包含
2
个点，因此它不是核心点，选择下一个点。
第
3
步，在数据库中选择一点
3
，由于在以它为圆心的，以
1
为半径的圆内包含
3
个点，因此它不是核心点，选择下一个点。
3
步，在数据库中选择一点
3
，由于在以它为圆心的，以
1
为半径的圆内包含
3
个点，因此它不是核心点，选择下一个点。
第
4
步，在数据库中选择一点
4
，由于在以它为圆心的，以
1
为半径的圆内包含
5
个点，因此它是核心点，寻找从它出发可达的点
，聚出的新类C1{1
，
3
，
4
，
5
，
9
，
10
，
12}
，选择下一个点。
4
步，在数据库中选择一点
4
，由于在以它为圆心的，以
1
为半径的圆内包含
5
个点，因此它是核心点，寻找从它出发可达的点
，聚出的新类C1{1
，
3
，
4
，
5
，
9
，
10
，
12}
，选择下一个点。
第
5
步，在数据库中选择一点
5
，已经在簇
1
中，选择下一个点。
5
步，在数据库中选择一点
5
，已经在簇
1
中，选择下一个点。
第6
步，在数据库中选择一点
6
，由于在以它为圆心的，以
1
为半径的圆内包含
3
个点，因此它不是核心点，选择下一个点。
步，在数据库中选择一点
6
，由于在以它为圆心的，以
1
为半径的圆内包含
3
个点，因此它不是核心点，选择下一个点。
第7步，在数据库中选择一点7，由于在以它为圆心的，以1为半径的圆内包含5个点，因此它是 核心点，寻找从它出发可达的点，聚出的新类C2{2，6，7，8，11}，选择下一个点。
第
8
步，在数据库中选择一点
8
，已经在簇
2
中，选择下一个点。
8
步，在数据库中选择一点
8
，已经在簇
2
中，选择下一个点。
第
9
步，在数据库中选择一点
9
，已经在簇
1
中，选择下一个点。
9
步，在数据库中选择一点
9
，已经在簇
1
中，选择下一个点。
第
10
步，在数据库中选择一点
10
，已经在簇
1
中，选择下一个点。
10
步，在数据库中选择一点
10
，已经在簇
1
中，选择下一个点。
第
11
步，在数据库中选择一点
11
，已经在簇
2
中，选择下一个点。
11
步，在数据库中选择一点
11
，已经在簇
2
中，选择下一个点。
第
12
步，选择
12
点，已经在簇
1
中，由于这已经是最后一点所有点都以处理，程序终止。
12
步，选择
12
点，已经在簇
1
中，由于这已经是最后一点所有点都以处理，程序终止。
版权声明：本文内容由互联网用户自发贡献，该文观点仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 举报，一经查实，本站将立刻删除。
文章由极客之音整理，本文链接：https://www.bmabk.com/index.php/post/116156.html
