Local Outlier Factor（LOF）是基于密度的经典算法（Breuning et. al. 2000）, 文章发表于 SIGMOD 2000, 到目前已经有 3000+ 的引用。在 LOF 之前的异常检测算法大多是基于统计方法的，或者是借用了一些聚类算法用于异常点的识别（比如 ，DBS ...
分类：
编程语言 时间：
2021-01-01 12:03:07
阅读次数：
0
搬运自我的CSDN https://blog.csdn.net/u013213111/article/details/107308563 参考：西瓜书 DBSCAN的思想是基于密度来聚类，十分直观易懂，更严谨的描述可见西瓜书，其中个人认为最关键的是： 若$x$为核心对象，由$x$密度可达的所有样本组 ...
分类：
数据库 时间：
2020-07-19 15:48:14
阅读次数：
75
聚类的定义 聚类就是对大量未知标注的数据集，按数据的内在相似性将数据集划分为多个类别，使类别内的数据相似度较大而类别间的数据相似度较小。聚类算法是无监督的算法。 常见的相似度计算方法 闵可夫斯基距离Minkowski/欧式距离 在上述的计算中，当p=1时，则是计算绝对值距离，通常叫做曼哈顿距离，当p ...
分类：
数据库 时间：
2020-05-20 20:12:09
阅读次数：
427
讲授聚类算法的基本概念，算法的分类，层次聚类，K均值算法，EM算法，DBSCAN算法，OPTICS算法，mean shift算法，谱聚类算法，实际应用 课程大纲： 基于密度的聚类算法简介DBSCAN算法的核心思想基本概念定义算法的流程实现细节问题实验OPTICS算法的核心思想基本概念定义算法的流程根 ...
分类：
编程语言 时间：
2019-12-29 01:07:08
阅读次数：
146
常用的聚类方法： ①分裂方法： K-Means算法(K-平均)、K-MEDOIDS算法(K-中心点)、CLARANS算法(基于选择的算法) ②层次分析方法： BIRCH算法(平衡迭代规约和聚类)、CURE算法(代表点聚类)、CHAMELEON算法(动态模型) ③基于密度的方法： DBSCAN(基于高 ...
分类：
其他好文 时间：
2019-09-06 01:01:06
阅读次数：
129
1. 聚类算法都是无监督学习吗? 什么是聚类算法？聚类是一种机器学习技术，它涉及到数据点的分组。给定一组数据点，我们可以使用聚类算法将每个数据点划分为一个特定的组。理论上，同一组中的数据点应该具有相似的属性和/或特征，而不同组中的数据点应该具有高度不同的属性和/或特征。聚类是一种无监督学习的方法，.... ...
分类：
其他好文 时间：
2019-07-25 20:29:12
阅读次数：
145
DBSCAN(Density-Based Spatial Clustering of Applications with Noise，具有噪声的基于密度的聚类方法)是一种很典型的密度聚类算法，和K-Means，BIRCH这些一般只适用于凸样本集的聚类相比，DBSCAN既可以适用于凸样本集，也可以适用... ...
分类：
数据库 时间：
2019-07-19 18:35:45
阅读次数：
132
● 什么是DBSCAN 参考回答： DBSCAN是一种基于密度的空间聚类算法,它不需要定义簇的个数,而是将具有足够高密度的区域划分为簇,并在有噪声的数据中发现任意形状的簇,在此算法中将簇定义为密度相连的点的最大集合。 ● k-means算法流程 参考回答： 从数据集中随机选择k个聚类样本作为初始的聚 ...
分类：
编程语言 时间：
2019-06-03 21:40:20
阅读次数：
173
介绍基于距离的K均值聚类以及基于密度的DBSCAN这两种聚类算法的原理，并且介绍了DBSCAN的一种改进算法HDBSCAN的原理 ...
分类：
数据库 时间：
2019-05-14 00:54:11
阅读次数：
307
相比其他的聚类方法，基于密度的聚类方法可以在有噪音的数据中发现各种形状和各种大小的簇。DBSCAN（Ester, 1996）是该类方法中最典型的代表算法之一。 ...
分类：
编程语言 时间：
2019-05-11 18:20:34
阅读次数：
192
