聚类算法之邻居生长器

1.综述

常见的聚类算法可分为三类：
1. 中心探索法：反复迭代计算簇中心的距离，直至在设定的阈值范围内的聚类算法。根据中心的不同定义，又可分为K-Means，K-Medoids，K-Medians及模糊聚类(fuzzy clustering)。
2. 树形构造器：先后合并相互距离比较近的类，使其形成一个较大的类，直到最后只有一个。这种方法即为”阶层式聚类”(agglomerative hierarchical clustering)，它最终形成一个树状的类。
3. 邻居生长器：它将彼此”足够接近的”数据点连接在一起形成一个簇，直至所有点都被分类。常用的有DBSCAN，OPTICS及DENCLUE算法。
其中邻居生长器又是一种基于密度的聚类算法(Density-Based Clustering Methods)，本博客主要介绍邻居生长器的DBSCAN及OPTICS算法。

2.DBSCAN

2.1 名词定义

1. $\varepsilon$ 邻域：$p$ 及 $q$是数据集中的两个点，点$q$ 属于点 $p$ 的