标签：DBSCAN epsilon 噪声 minpts 聚类 邻域

一、DBSCAN 简介
基于密度的噪声应用空间聚类 (DBSCAN) 可识别数据中任意形状的聚类和噪声（异常值）。 Statistics and Machine Learning Toolbox™ 函数 dbscan 对输入数据矩阵或观测值之间的成对距离执行聚类。 dbscan 返回簇索引和一个向量，该向量指示作为核心点的观察值（簇内的点）。与 k-means 聚类不同，DBSCAN 算法不需要事先知道聚类的数量，而且聚类不一定是球形的。 DBSCAN 对于基于密度的异常值检测也很有用，因为它可以识别不属于任何聚类的点。

对于要分配给集群的点，它必须满足其 epsilon 邻域 (epsilon) 至少包含最小数量的邻居 (minpts) 的条件。或者，该点可以位于满足 epsilon 和 minpts 条件的另一个点的 epsilon 邻域内。 DBSCAN 算法识别三种点：

核心点 — 集群中的一个点，其 epsilon 邻域中至少有 minpts 个邻居

边界点 - 集群中在其 epsilon 邻域中具有少于 minpts 个邻居的点

噪声点 - 不属于任何集群的异常值

DBSCAN 使用范围广泛的距离度量，您可以为您的特定应用程序定义自定义距离度量。距离度量的选择决定了邻域的形状。

二、算法描述
对于指定的 epsilon 邻域 epsilon 值和核心点所需的最小邻域 minpts 数，dbscan 函数按如下方式实现 DBSCAN：

1. 从输入数据集 X 中，选择第一个未标记的观测值 x1 作为当前点，并将第一个聚类标签 C 初始化为 1。

2. 找到当前点的 epsilon 邻域 epsilon 内的点集。这些点是邻居。

　　a. 如果邻居的数量小于 minpts，则将当前点标记为噪声点（或异常值）。转到第 4 步。

　　　　注意：如果噪声点稍后满足由 X 中其他点的 epsilon 和 minpts 设置的约束，则 dbscan 可以将噪声点重新分配给集群。重新分配点的过程发生在集群的边界点上。

　　b. 否则，将当前点标记为属于簇 C 的核心点。

3. 迭代每个邻居（新的当前点）并重复步骤 2，直到找不到可以标记为属于当前集群 C 的新邻居。

4. 选择 X 中下一个未标记的点作为当前点，并将簇计数增加 1。

5. 重复步骤 2-4，直到 X 中的所有点都被标记。

三、其他说明（https://blog.csdn.net/sangnanpo/article/details/104313641）
1. DBSCAN的主要优点有：

　　a. 不需要输入簇的数量
　　b. 可以对任意形状的稠密数据集进行聚类，相对的，K-Means之类的聚类算法一般只适用于凸数据集。
　　c. 可以在聚类的同时发现噪声点，对数据集中的噪声点不敏感。
　　d. 聚类结果没有偏倚，相对的，K-Means之类的聚类算法初始值对聚类结果有很大影响。
2. DBSCAN的主要缺点有：

　　a. 如果样本集的密度不均匀、聚类间距差相差很大时，聚类质量较差，这时用DBSCAN聚类一般不适合。
　　b. 如果样本集较大时，聚类收敛时间较长，此时可以对搜索最近邻时建立的KD树或者球树进行规模限制来改进。
　　c. 需要调参数，调参相对于传统的K-Means之类的聚类算法稍复杂，主要需要对距离阈值ϵ，邻域样本数阈值MinPts联合调参，不同的参数组合对最后的聚类效果有较大影响。这一点在具体实现时即可发现。

标签：DBSCAN,epsilon,噪声,minpts,聚类,邻域
来源： https://www.cnblogs.com/Yi-920259020/p/15933747.html

本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享；
2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关；
3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关；
4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除；
5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。