在某个聚类c中，ρi
>ρb,则i会分配到聚类c中，否则i被称为halo（可以被理解为噪声）
5.dc的取值
可以去dc,使得平均邻居数占数据集中所有点的1%-2%
dc的取值具有鲁棒性，dc大，ρ
和选中心点时只比较相对大小，与具体的数值无关
6.cutoff kernal or gaussion kernal
对与小数据集，ρ
时采用gaussion kernal要更好些。
7.实验效果
输入：距离矩阵/相似度矩阵（不一定要是欧式距离），只需要点之间的关系（通过MDS多维尺度变换能直观的展现数据点之间在多种距离上离得多近，还可以产生一个低维的数据点表示,MDS不需要原始数据，只需要衡量点间距离的距离矩阵。）
7.1.Spiral
7.2.Flame
7.3.Aggregation
7.4.Jain
8.思考
Q1.当密度分布不均匀时，聚类效果如何？
效果不好（如Jain数据集），在计算局部密度时并没有考虑局部结构
Q2.重叠群组？
不交叉