DBSCAN聚类算法讲稿.ppt

凸型的聚类簇基于距离的聚类因为算法的原因最后实现的聚类通常是类圆形的一旦面对具有复杂形状的簇的时候此类方法通常会无法得到满意的结果这种时候基于密度的聚类方法就能有效地避免这种窘境? 与K-means比较起来你不必输入你要划分的聚类个数也就是说你将不受聚类数目的限制在需要时可以输入过滤噪声的参数 这类算法认为在整个样本空间点中各类目标簇是由一群稠密样本点组成的而这些稠密样本点被低密度区域分割我们通常