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）并为他们创建一个新集群. 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。
有人可以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。
问问题
2576 次
2 回答
0
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。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。
于 2014-05-22T15:16:22.170 回答
0
网上有很多关于 DBSCAN 的材料......即使你查看维基百科，你也可以找到它的详细算法：
http://en.wikipedia.org/wiki/DBSCAN#Algorithm
您使用哪种语言对其进行编码？如果您熟悉 matlab、java 或 r，网上有很多实现，也许可以帮助您...
一个很好的起点是原始论文......
于 2014-05-22T21:12:13.483 回答