聚类方法之DBSCAN

算法思想

DBSCAN是一种基于密度的聚类方法，其思想是根据样本间的紧密程度来对簇进行划分。

DBSCAN的样本点一般被分为三类：
1.核心点:
在半径Eps内含有超过MinPts数目的点
2.边界点:
在半径Eps内含有的点不超过MinPts,但是落在核心点领域内的点
3.噪声点:
既不是核心点也不是噪声点的点。
这里有两个参数需要人为指定：半径长度Eps 和 点的数据MinPts

如图所示，绿色的为核心点，蓝色的为边界点，红色的为噪声点。

关于样本点构成的一些其他概念：
1.Eps邻域
假设样本点p在数据集内，Eps领域即指的是数据集中离样本p的距离小于等于Eps的样本点的集合。
2.密度直达
假设有样本点p，q。其中p是核心点，q在p的Eps邻域内，则p，q密度直达。
3.密度可达
对于对象链：p_1,p_2……p_n,p_(i+1)，是从p_i关于Eps和MinPts直接密度可达的，则对象p_n是从对象p_i关于Eps和MinPts密度可达的。
4.密度相连
对于样本点p、q,若存在样本点k使得p、q均由k密度可达，则称p，q密度相连