案例库 · 研发与科研 · 技术决策 · 1996
DBSCAN：无需指定簇数，发现任意形状的聚类
Ester、Kriegel、Sander和Xu通过局部密度聚类，从而得到任意形状，并排除噪声。
慕尼黑大学
解法
经典聚类假设你知道簇的个数，并且簇是围绕质心的团状。对于空间数据库，Ester、Kriegel、Sander和Xu希望聚类只需很少的领域知识，能处理任意形状，并且在大规模数据上高效。
他们的答案DBSCAN用局部密度定义聚类：核心点在半径Eps内至少有MinPts个邻居，簇是由核心点密度可达的所有点构成。边界点加入但不扩展簇，孤立点成为噪声。
这篇KDD-96论文展示了该方法能处理任意形状，仅需两个参数，并能利用空间索引在大数据上高效运行。同样的密度概念至今仍是现代空间聚类的基础。
生效的原因
- 局部密度适应任意聚类形状
- 无需选择簇的个数
- 噪声被标记而不是强制分到某个簇
- 只需设置两个直观参数
取得的成效按密度聚类，而非按质心聪明
可借鉴之处
不要给簇强加数量或形状——用局部密度来定义它们。两个直观参数取代猜测k值，离群点有标签，扫描可扩展至大型数据库。
后续进展
DBSCAN成为标准的基于密度的聚类算法，集成在scikit-learn和大多数数据平台中，并且仍是KDD-96中引用最多的论文之一。
资料来源
发现哪里写错了？告诉我们。