基本概念
DBSCAN:Density-Based Spatial Clustering of Applications with Noise (具有噪声的基于密度的聚类方法）
核心对象：若某个点内的密度达到算法设定的阈值则为核心点
∈-邻域的距离阈值：设定的半径r
直接密度可达：若点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$q_0,q_1,...,q_k$，对任意$q_i,q_{i-1}$直接密度可达,那么称$q_0,q_k$密度可达。即直接密度可达的‘传播’。
密度相连：若从核心点p出发，点q和点k都是密度可达的。那么点q和点k是密度相连的。(不要求q/k必须是核心点)
边界点：属于某个类的非核心点
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。
参数选择
半径∈：可以根据K距离设定，即寻找突变点。
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d，按照距离从小到大排序,d(k)即K距离
例如点s到其他点的距离数组$d_k$={0.1,0
机器学习
· 2023-03-27
· 334 人浏览
Axuanz
