·统计样本周边的密度，把密度给定一个阈值，不断的把样本添加到最近的簇。例如：人口密度，根据密度，聚类出城市 ·解决类似圆形的K-Means聚类的特点；密度聚类缺点：计算复杂度大，空间索引来降低计算时间，降低查找速度。 (DBSCAN算法)： 参数：DBSCAN(eps=0.5, min_sample ...
分类：
其他好文 时间：
2018-12-12 19:05:03
阅读次数：
426
生活不易啊，公司考核，初步写出来了，脑阔疼。。。 思路： 设定阈值与半径； 计算点之间的距离(欧式距离实现)； 区分核心点、边界点与离群点； 将每个点的领域作为一个类(即将密度可达的点归为一个簇)； 找出每个独立的领域； 对最后的聚类进行标记； 可视化。 代码实现： 1、设定eps = 2，MinP ...
分类：
数据库 时间：
2018-12-06 01:35:10
阅读次数：
170
1.前言 在自然语言处理过程中，经常会涉及到如何度量两个文本之间的相似性，我们都知道文本是一种高维的语义空间，如何对其进行抽象分解，从而能够站在数学角度去量化其相似性。 有了文本之间相似性的度量方式，我们便可以利用划分法的K means、基于密度的DBSCAN或者是基于模型的概率方法进行文本之间的聚 ...
分类：
其他好文 时间：
2018-10-14 13:55:19
阅读次数：
270
基本概念：（Density-Based Spatial Clustering of Applications with Noise）基于密度的噪声应用空间聚类 核心对象：若某个点的密度达到算法设定的阈值则其为核心点。（即r 邻域内点的数量不小于minPoints） ?-邻域的距离阈值：设定的半径r ...
分类：
数据库 时间：
2018-10-11 15:47:01
阅读次数：
336
刘建平：DBSCAN密度聚类算法 https://www.cnblogs.com/pinard/p/6208966.html API 的说明： https://www.jianshu.com/p/b004861105f4 ...
分类：
数据库 时间：
2018-09-27 16:58:30
阅读次数：
109
DBSCAN算法 基本概念:(Density-Based Spatial Clustering of Applications with Noise) 核心对象:若某个点的密度达到算法设定的阈值则其为核心点。(即 r 邻域内点的数量不小于 minPts) ε-邻域的距离阈值:设定的半径r 直接密度可 ...
分类：
数据库 时间：
2018-07-21 11:57:01
阅读次数：
294
下面凌乱的小记一下无监督学习 无监督学习 聚类 降维 聚类：数据相似性 相似性的评估：两个数据样本间的距离 距离：欧氏距离 曼哈顿距离 马氏距离 夹角余弦 sklearn 聚类算法 sklearn.cluster，如k means 近邻传播 DBSCAN等 标准的数据输入格式：[样本个数，特征个数] ...
分类：
其他好文 时间：
2018-07-02 20:48:48
阅读次数：
195
密度聚类（Density-based Clustering）假设聚类结构能够通过样本分布的紧密程度来确定。DBSCAN是常用的密度聚类算法，它通过一组邻域参数（??，MinPtsMinPts）来描述样本分布的紧密程度。给定数据集DD={x? 1，x? 2，x? 3，...，x? Nx→1，x→2，x ...
分类：
数据库 时间：
2018-07-01 20:56:25
阅读次数：
219
一.基本概念 dbscan算法 核心对象(A)：若某个点的密度达到算法设定的阈值则其为核心点（即r邻域内点的数量不小于minPts） 邻域的距离阈值：设定的半径r 直接密度可达：若某点p在点q的r邻域内且q是核心点，则p-q是直接密度可达（核心对象，在邻域内） 密度可达：若有一个点的序列q0、q1. ...
分类：
数据库 时间：
2018-06-20 00:02:18
阅读次数：
278
一、基于密度的聚类算法的概述 最近在Science上的一篇基于密度的聚类算法《Clustering by fast search and find of density peaks》引起了大家的关注(在我的博文“论文中的机器学习算法——基于密度峰值的聚类算法”中也进行了中文的描述)。于是我就想了解下 ...
分类：
数据库 时间：
2018-05-10 17:28:43
阅读次数：
256
