DBSCAN(Density-Based Spatial Clustering of Applications with Noise，具有噪聲的基于密度的聚類方法)是一種很典型的密度聚類算法，和K-Means，BIRCH這些一般只適用于凸樣本集的聚類相比，DBSCAN既可以適用于凸樣本集，也可以適用于非凸樣本集。下面我們就對DBSCAN算法的原理做一個總結(jié)。
1. 密度聚類原理
DBSCAN是一種基于密度的聚類算法，這類密度聚類算法一般假定類別可以通過樣本分布的緊密程度決定。同一類別的樣本，他們之間的緊密相連的，也就是說，在該類別任意樣本周圍不遠(yuǎn)處一定有同類別的樣本存在。
通過將緊密相連的樣本劃為一類，這樣就得到了一個聚類類別。通過將所有各組緊密相連的樣本劃為各個不同的類別，則我們就得到了最終的所有聚類類別結(jié)果。
2. DBSCAN密度定義
在上一節(jié)我們定性描述了密度聚類的基本思想，本節(jié)我們就看看DBSCAN是如何描述密度聚類的。DBSCAN是基于一組鄰域來描述樣本集的緊密程度的，參數(shù)(
延伸閱讀
學(xué)習(xí)是年輕人改變自己的最好方式