K-means,K-means++,均值漂移Mean Shift等算法可以解决大部分无监督的分类问题,由于他们都是基于距离的聚类算法,因此聚类结果是球状簇。在现实中,当聚类结果是非球状簇的时候,这几种算法将失效,此时引入新的算法–DBSCAN(基于密度的聚类)。
核心点、边界点、噪音点:
直接密度可达、密度可达、密度连接
DBSCAN算法原理
DBSCAN算法流程
2025年05月14日
K-means,K-means++,均值漂移Mean Shift等算法可以解决大部分无监督的分类问题,由于他们都是基于距离的聚类算法,因此聚类结果是球状簇。在现实中,当聚类结果是非球状簇的时候,这几种算法将失效,此时引入新的算法–DBSCAN(基于密度的聚类)。
核心点、边界点、噪音点:
直接密度可达、密度可达、密度连接
DBSCAN算法原理
DBSCAN算法流程