DBSCAN算法

DBSCAN基本概念（Density-Based Spatial Clustering of Applications with Noise）

　　核心对象：若某个点的密度达到算法设定的阈值则其为核心点（即r邻域内点的数量不小于　              minPts）

　　ε-邻域的距离阈值：设定的半径r

　　直接密度可达：若某点p在点q的r邻域内，且q是核心点则p-q直接密度可达

　　密度可达：若有一个点的序列q0、q1、...qk，对任意qi-qi-1是直接密度可达的，则称从q0到qk密　　度可达，这实际上是直接密度可达的“传播”。

　　密度相连：若从某核心点p出发，点q和点k都是密度可达的，则称点q和点k是密度相连的

　　边界点：属于某一个类的非核心点，不能发展下线了

　　噪声点：不属于任何一个类簇的点，从任何一个核心点出发都是密度不可达的

　　A：核心对象

　　B、C：边界点

　　N：离群点

工作流程

　　参数D：输入数据集

　　参数ε：制定半径

　　MinPts：密度阈值

参数选择

　　半径ε，可以根据K距离来设定，找突变点

　　K距离：给定数据集P={p(i);i=0,1,...n}，计算点P(i)到集合D的子集S中所有点之间的距离，距　　离按照从小到大的顺序排序，d(k)就被成为k-距离

　　MinPts：k-距离中k的值，一般取的小一些，多次尝试

优势

　　不需要指定簇个数

　　可以发现任意形状的簇

　　擅长找到离群点（监测任务）

　　两个参数就够了

劣势

　　高维数据有些困难（可以做降维）

　　参数难以选择（参数对结果的影响非常大）

　　Sklearn中效率很慢（数据削减策略）

DBSCAN算法

标签：images   http   分享   算法   img   density   clu   clust   流程