衣服网站设计,网站托管做的好的公司,专业的设计网站建设,关于建设门户网站的请示DBSCAN聚类算法学习笔记
一些概念名词 MinPts#xff1a;聚类在一起的点的最小数目#xff0c;超过这一阈值才算是一个族群 核心点#xff1a;邻域内数据点超过MinPts的点 边界点#xff1a;落在核心点邻域内的点称为边界点 噪声点#xff1a;既不是核心点也不是边界点的…DBSCAN聚类算法学习笔记
一些概念名词 MinPts聚类在一起的点的最小数目超过这一阈值才算是一个族群 核心点邻域内数据点超过MinPts的点 边界点落在核心点邻域内的点称为边界点 噪声点既不是核心点也不是边界点的点
图示过程 开始选取一点看邻域范围内是否达到MinPts达到就加入簇图示标为红没达到就判断下一个 落在核心点邻域内的点称为边界点如图标黄色的点 本例子有一个噪声点 划分点后将距离不超过邻域半径的核心点及其所属边界点聚成一个簇 基于密度的聚类算法可以根据样本分布的紧密程度决定同一类别的样本之间是紧密相连的不同类别样本联系是比较少的 优点是DBSCAN算法不需要事先指定聚类的数量而是通过样本密度来聚合在一起对于复杂的分布比如自动驾驶场景下的点云含有车、行人、骑行者等有些目标在空间上还很靠近及离群点产生的结果比K-Means更加合理 缺点是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 而且算法较复杂需要针对距离阈值邻域范围和领域样本阈值MinPts进行调参才能产生较好的效果
参考资料 1、https://www.jianshu.com/p/dd6ce77bfb8a 2、DBSCAN聚类 动画演示 https://www.bilibili.com/video/BV114411M7ci/?share_sourcecopy_webvd_sourcefffc779375536f749de4104fe5c56d3a 3、http://t.csdnimg.cn/avicU
