我正在尝试实施DBSCAN，但我无法理解其背后的想法。如果它逐个遍历整个数据并为近邻创建一个新的集群，那么我将总是得到很多集群。假设它检查第一点的近邻，找到足够的邻居（＆gt; MinPts），为它们创建一个集群，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）和为他们创建一个新的集群。等等。因此，一些点将被添加到多个集群中...因此将创建许多集群。
有人可以解释一下这个算法是如何工作的吗？我没有在网上找到太多关于它的信息。
答案 0 :(得分：0)
不，创建了一个集群，然后查看集群中的点，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“proto-cluster”中的所有点都会添加到原始集群中。簇。以这种方式，它继续凝聚，直到密度降低，使得添加的点缺乏足够的相邻点以继续该过程。完成此操作后，该群集中的所有点都将被市场“关闭”，并且该流程将重新开始在剩余的“打开”节点中查找新群集。
答案 1 :(得分：0)
网上有很多DBSCAN资料......即使您查看维基百科，也可以找到详细的算法：
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，那么在线有很多实现，也许可以帮助您...
一个很好的资源来源是原始论文......