susht的博客

K-Means不断地取离种子点最近均值，将数据点到原型的某种距离作为优化的目标函数，利用函数求极值的方法得到迭代运算。 算法流程： （1）初始化选择K个点作为K个聚类样本中心 （2）迭代：计算每个样本点到中心点的距离，根据距离判断每个样本点所属类别；                     各聚类根据属于自己这一类的样本点的均值更新聚类中心 （3）直到每个样本点所属类别不再变化

引入圆，给定半径，与数据点阀值。 核心点：以自身为圆心作圆，圆形包含的点数超过阈值的就是核心点 边界点：以自身为圆心作圆，圆形包含的点数没有超过阈值，但是包含了核心点 噪声点：以自身为圆心作圆，圆形包含的点数没有超过阈值，而且没有包含核心点 算法流程： 1、找到所有核心点 2、找到所有边界点和噪声点 3、将距离在给定半径下的核心点中间连一条线 4、每组连通的核心点形成一个聚