DBSCAN算法

0.概述

DBSCAN(density-based spatial clustering of applications with Noise),与划分和层次聚类的方法不同，它将簇定义为密度相连的最大点的集合，能够把具有足够高密度的区域划分为簇，并可以在有噪声的的空间数据中发现任意形状的簇。和KMEANS算法不同，该算法不用提前指定分类的数目。

1.相关概念

E临域 ：给定对象周围半径为E内区域
核心对象：如果给定对象的E邻域的样本点数大于或等于MinPts,则称该对象为核心对象
直接密度可达：如果样本点q在p的E邻域中，且p为核心对象，则称对象q从对象p直接密度可达
密度可达：简单而言，如果上面的对象q从对象p直接密度可达，任何直接密度可达或者密度可达p的点都可以密度可达q。简而言之，传导的直接密度可达被称为密度可达
密度相连：如果对象o密度可达对象p和对象q，则称p和q密度相连
DBSCAN算法的目的是找到密度相连对象的最大集合。

2.算法流程

上述流程重复进行，直到所有点都被找到。