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，类似于均值转移聚类算法，但它有几个显著的优点。

1. DBSCAN以一个从未访问过的任意起始数据点开始。这个点的领域是用距离ε（所有在ε的点都是邻点）来提取的。
2. 如果在这个邻域中有足够数量的点（根据minPoints），那么聚类过程就开始了，并且当前的数据点成为新聚类中的第一个点。否则，该点将被标记为噪声（稍后这个噪声点可能会成为聚类的一部分）。在这两种情况下，这一点都被标记为（visited）。
3. 对于新聚类中的第一个点，其ε距离附近的店也会成为同意了聚类的一部分。这一过程在ε临近的所有点都属于同一个聚类，然后重复所有刚刚添加到聚类组的新点。
4. 步骤2和步骤3的过程将重复，直到所有点都被确定，就是说在聚类附近的所有点都已被访问和标记。
5. 一旦我们完成了当前的聚类，就会检索并处理一个新的未访问点，这将导致进一步的聚类或噪声的发现。这个过程不断地重读，直到所有的点被标记为访问。因为在所有的点都被访问过之后，每一个点都被标记为属于一个聚类或者是噪声。

DBSCAN的主要缺点是，当聚类具有不同的密度时，它的性能不像其他聚类算法那样好。这是因为当密度变化时，距离阈值ε和识别临近点的minPoints的设置会随着聚类的不同而变化。这种缺点也会出现在非常高纬的数据中心，因为距离阈值ε变得难以估计。

最新文章

1. 【集合框架】JDK1.8源码分析之Collections && Arrays（十）
2. PL/SQL重新编译包无反应
3. 自己动手写插件底层篇—基于jquery移动插件实现
4. PHP加载另一个文件类的方法
5. Visual Studio 2013小技巧
6. js 判断微信浏览器
7. Java基础-字面值
8. [NOIP2011] 普及组
9. bzoj1021 [SHOI2008]Debt 循环的债务
10. css3实现超过两行文字，超出用三个点显示（兼容性不行，仅供学习）
11. 【转】beancopy的替代方案
12. Sass之初识
13. 使用WIF实现单点登录Part I——Windows Identity Foundation介绍及环境搭建 -摘自网络
14. Why I donot give up cnblogs for Jianshu
15. Typescript学习
16. Qt之QComboBox定制(二)
17. VS2015 IIS Express Web服务器无法启动解决办法
18. 加NONCLUSTERED INDEX索引，在ON了之后还要INCLUDE
19. lumisoft.net 邮件管理系列文章 - 如何判断附件为内嵌式还是附加式
20. UVa 11491 Erasing and Winning （贪心，单调队列或暴力）

热门文章

1. Kubernetes 实战 —— 02. 开始使用 Kubernetes 和 Docker
2. roarctf_2019_realloc_magic
3. 基于es实现一个简单的搜索引擎
4. 为什么要从 Linux 迁移到 BSD3
5. 技术分享PPT整理（一）：Bootstrap基础与应用
6. 攻防世界 reverse Guess-the-Number
7. python3 多线程爬虫模板
8. 推荐模型NeuralCF：原理介绍与TensorFlow2.0实现
9. frp穿透内网使用vsftpd服务
10. 历史性突破：使用 .net core 日处理消息量超过 1.7 万条！