DBSCAN聚类算法如何实现？答案

【问题标题】：How to implement DBSCAN clustering algorithm?DBSCAN聚类算法如何实现？
【发布时间】：2014-07-11 17:07:53
【问题描述】：

我正在尝试实现DBSCAN，但我无法理解其背后的想法。如果它一个一个地遍历整个数据并为近邻创建一个新集群，那么我总是会得到很多集群。假设它检查第一个点的近邻，找到足够的邻居（>MinPts），为他们创建一个集群，移动到下一个点，检查邻居（也可能找到已经在集群中的邻居）并创建一个新的为他们集群。等等。所以一些点将被添加到超过 1 个集群中......因此会创建很多集群。

有人能解释一下这个算法是如何工作的吗？我在网上没有找到太多关于它的信息。

【问题讨论】：

密切关注维基百科的伪代码。一个集群可能包含多个核心点。一个集群由所有密度连接点组成，而不仅仅是那些从一开始就可以直接密度到达的点。

标签： algorithm cluster-analysis dbscan

【解决方案1】：

不，已经创建了一个集群，然后您查看集群中的点，如果它们中的任何一个具有足够的密度来拥有自己的集群，那么该“原始集群”中的所有点都将添加到原始集群中簇。以这种方式，它继续聚集，直到密度降低，使得添加的点缺乏足够的相邻点来继续该过程。完成此操作后，该集群中的所有点都处于市场“关闭”状态，并且该过程重新开始，在剩余的“开放”节点中寻找新的集群。

【讨论】：

【解决方案2】：

网上有很多关于 DBSCAN 的资料...即使您查看维基百科也可以找到详细的算法：

http://en.wikipedia.org/wiki/DBSCAN#Algorithm

您使用哪种语言编写代码？如果你熟悉matlab、java或r，网上有很多实现，或许能帮到你……

原始论文是一个很好的起点...

【讨论】：