DBSCAN基于密度的聚类算法

**DBSCAN算法和实现

——DBSCAN(Density-Based Spatial Clustering of Applications with Noise)是一个比较有代表性的基于密度的聚类算法，它是一种适应性极强的聚类算法，不同于K-means聚类，它无需确定簇的数量k，可以自己基于密度来实现。首先介绍一下几个基本的概念。

基础概念

1.密度：密度指的是在某距离内含有对象的最小数目。
2.核心对象：如果一个对象的eps邻域内至少包含MinPt个对象，则称该对象是核心对象。
3.直接密度可达：给定一个对象集合D，如果p在q的eps邻域内，并且q是一个核心对象，则p是从q直接密度可达的。（如下图所示），eps可以想象为一个超球体的半径，Minp就是这个超球体内的点，这样比较容易理解。

4.密度可达：对于q和p之间，有一个样本序列p1，p2，p3，……，pn， 其中p1=q， pn=p，若Pi+1是由Pi直接密度可达的（关于eps和MinPts），则对象p是由q关于eps和MinPts密度可达的。（如下图所示）

算法介绍