密度聚类OPTICS算法

Posted Data+Science+Insight

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了密度聚类OPTICS算法相关的知识,希望对你有一定的参考价值。

密度聚类OPTICS算法

DBSCAN有一些缺点,如:参数的设定,比如说阈值和半径  这些参数对结果很敏感,还有就是该算法是全局密度的,假若数据集的密度变化很大时,可能识别不出某些簇。

核心距离:假定P是核心对象,人为给定一个阈值A,然后计算关于P点满足阈值A的最小的半径R,即在R内,P最少有给定A个点数。

可达距离:对象q到对象p的可达距离是指p的核心距离和p与q之间欧几里得距离之间的较大值。如果p不是核心对象,p和q之间的可达距离没有意义。

以上是关于密度聚类OPTICS算法的主要内容,如果未能解决你的问题,请参考以下文章

基于密度的聚类方法

聚类(kmeans,DBSCAN,OPTICS)

KMeans聚类

DBSCAN与kmeans,OPTICS区别?

OPTICS(聚类)算法的 Python 实现

SIGAI机器学习第二十五集 聚类算法2