DBSCAN算法介绍DBSCAN是一个基于密度的聚类算法，该算法包括几个重要的概念：核心对象，直接密度可达，密度可达，密度相连，这几个概念是层层递进的关系。概念核心对象：在ε范围内邻居点大于等于Minpt的对象，其中ε和Minpt为用户定义的参数。直接密度可达：设p为核心对象，|q，p| <= ε，...
分类：
数据库 时间：
2015-08-14 13:09:21
阅读次数：
183
聚类--简介 主要包括如下几方面的内容：常见聚类方法简介；聚类的方法有如下几种：基于层次的聚类；基于网格的聚类；基于密度的聚类；基于图论的聚类；基于距离的聚类；灰色聚类；模糊等价关系聚类；基于关键词搜索的网页聚类1、层次聚类算法1.1聚合聚类1.1.1相似度依据距离不同：Single-Link:最近...
分类：
其他好文 时间：
2015-08-02 10:10:24
阅读次数：
216
CLIQUE（Clustering In QUEst)是一种简单的基于网格的聚类方法，用于发现子空间中基于密度的簇。CLIQUE把每个维划分成不重叠的区间，从而把数据对象的整个嵌入空间划分成单元。它使用一个密度阈值识别稠密单元和稀疏单元。一个单元是稠密的，如果映射到它的对象数超过该密度阈值。CLIQ...
分类：
编程语言 时间：
2015-07-25 22:48:40
阅读次数：
263
一.算法概述 DBSCAN(Density-Based Spatial Clustering of Applications with Noise)是一个比较有代表性的基于密度的聚类算法。与划分和层次聚类方法不同，它将簇定义为密度相连的点的最大集合，能够把具有足够高密度的区域划分为簇，并可在噪声的....
分类：
数据库 时间：
2015-07-05 23:49:55
阅读次数：
442
根据各行业特性，人们提出了多种聚类算法，简单分为：基于层次、划分、密度、图论、网格和模型的几大类。其中，基于密度的聚类算法以DBSCAN最具有代表性。假设有如下图的一组数据， 生成数据的R代码如下x1 <- seq(0,pi,length.out=100)y1 <- sin(x1) + 0.1*rn...
分类：
数据库 时间：
2015-07-04 22:08:57
阅读次数：
384
聚类（clustering）就是将数据集划分为由若干相似实例组成的簇（cluster）的过程，使得同一个簇中实例间的相似度最大化，不同簇的实例间的相似度最小化。聚类分析的方法主要有： 1）划分的方法 2）层次的方法 3）基于密度的方法 4）基于网格的方法 5）基于模型的方法 。。。 w...
分类：
其他好文 时间：
2015-06-04 15:17:02
阅读次数：
109
1、Preface因为一直在做的是聚类算法的研究，算是总结了一些心得，这里总结些知识性与思路性的东西，我想在其他地方也是很容易的找到类似的内容的。毕竟，世界就是那么小。
声明：本文比较不适合没有DM基础的人来阅读。我只是胡乱的涂鸦而已2、聚类算法在DM里的聚类算法里，有基于划分的算法，基于层次的算法，基于密度的算法，基于网格的算法，基于约束的算法。
其中每一种基于的算法都会衍生出一至几种算法...
分类：
编程语言 时间：
2015-03-07 22:50:05
阅读次数：
265
异常点的定义参考hawkings离群点定义。需要注意的问题有属性个数、全局/局部、异常程度、一次识别异常个数、评估等。检测方法有：基于模型的方法、基于邻近度的方法、基于密度的方法。在基于模型的方法下，对一元正态分布使用标准差区分；对多元正态分布使用mahalanobis距离区分，它会考虑分布的形状；...
分类：
其他好文 时间：
2014-12-08 15:08:31
阅读次数：
200
#include
#define dimense 10
//10维数据
#define N 5005
#define MAX 0xffffff
#define clr(a) memset(a,0,sizeof(a))
using namespace std;
double radius=60;
int min_num=400;
int num=5000;//数据量
int k;
int now=0...
分类：
数据库 时间：
2014-12-04 08:49:50
阅读次数：
325
先说一下什么是密度聚类的方法参考文章：基于密度的聚类 这篇文章的大概意思通过一幅图来说明： 1 首先任意选定一个点假设就以图中最左边的h为第一个点，根据半径判断，在一定的范围内点的个数是否满足要求。 -如果满足把这个点标记为核心点，这个圆判定为一个聚类。 -如果不是，就把这个点判定为...
分类：
其他好文 时间：
2014-11-20 21:44:36
阅读次数：
688
