摘要：
(期末考试快到了，所以比较粗糙，请各位读者理解。。) 一、 概念 DBSCAN是一种产生划分聚类的基于密度的聚类算法，簇的个数由算法自动地确定。低密度区域中的点被视为噪声而忽略，因此DBSCAN不产生完全聚类。 二、 伪代码 1 将所有点标记为核心点、边界点和噪声点。 2 删除噪声点。 3 为距离在 阅读全文
|
摘要：
(期末考试快到了，所以比较粗糙，请各位读者理解。。) 一、 概念 DBSCAN是一种产生划分聚类的基于密度的聚类算法，簇的个数由算法自动地确定。低密度区域中的点被视为噪声而忽略，因此DBSCAN不产生完全聚类。 二、 伪代码 1 将所有点标记为核心点、边界点和噪声点。 2 删除噪声点。 3 为距离在 阅读全文
摘要：
(期末考试要到了，所以比较粗糙，请各位读者理解。。) 一、 概念 k-means是基于原型的、划分的聚类技术。它试图发现用户指定个数（K）的簇（由质心代表）。K-means算法接受输入量K，然后将N个数据对象划分为K个聚类以便使得所获得的聚类满足：同一聚类中的对象相似度较高；而不同聚类中的对象相似度 阅读全文
|