DBSCAN原理和算法伪代码，与kmeans，OPTICS区

算法步骤

下⾯面这张图来⾃自WIKI，图上有若干个点，其中标出了了A、B、C、N这四个点，据此来说明这个算法的步骤：

• 首先随机选择A点为算法实施的切入点，我们将设置为图中圆的半径，对象个数m（minPts）设定为4。这里我们看到，A点的-领域包含4个对象（自己也包含在内），大于等于m(minPts)，则创建A作为核心对象的新簇，簇内其他点都（暂时）标记为边缘
  点。

• 然后在标记的边缘点中选取一个重复上一步，寻找并合并核心对象直接密度可达的对象。对暂时标记为边缘点反复递归上述算法，直⾄至没有新的点可以更新簇时，算法结束。这样就形成了了一个以A为起始的一个聚类，为图中红色的中心点和黄色的边缘点

• 如果还有Points未处理理，再次新产⽣生一个类别来重新启动这个算法过程。遍历所有数据，如果有点既不是边缘点也不是中⼼心点，将其标记为噪⾳音。

从上述算法可知：

• 每个簇至少包含一个核心对象；
• 非核心对象可以是簇的⼀一部分，构成了簇的边缘（edge）；
• 包含过少对象的簇被认为是噪声；

优点

• ⽆无需确定聚类个数
• 可以发现任意形状的聚类
• 对噪声具有鲁棒性，可有效处理理噪声
• 只需两个参数，对数据输⼊入顺序不不敏敏感
• 加快区查询
• 参数可由领域专家设置

缺点

• 边界点不完全确定性
• 维数灾导致欧几里得距离度量失效
• 不能处理理密度差异过大（密度不均匀）的聚类（会导致参数无法适用于所有聚类）
• 参数选择在数据与规模不能很好理解的情况下，很难选择，若选取不不当，聚类质量下降