DBSCAN方法及应用

1.DBSCAN密度聚类简介

DBSCAN 算法是一种基于密度的聚类算法：

　　1.聚类的时候不需要预先指定簇的个数

　　2.最终的簇的个数不确定

DBSCAN算法将数据点分为三类：

　　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内点的数量小于MinPts,但是落在核心点的邻域内的点。

　　3.噪音点：既不是核心点也不是边界点的点。

如下图所示：图中黄色的点为边界点，因为在半径Eps内，它领域内的点不超过MinPts个，我们这里设置的MinPts为5；而中间白色的点之所以为核心点，是因为它邻域内的点是超过MinPts（5）个点的，它邻域内的点就是那些黄色的点！

 

2.DBSCAN算法的流程

1.将所有点标记为核心点、边界点或噪声点；

2.删除噪声点；

3.为距离在Eps之内的所有核心点之间赋予一条边；

4.每组连通的核心点形成一个簇；

5.将每个边界点指派到一个与之关联的核心点的簇中（哪一个核心点的半径范围之内）。