如何实现DBSCAN聚类算法？

Question

我正在尝试实现DBSCAN，但我无法理解它背后的想法。如果它逐个遍历整个数据，并为近邻创建一个新的集群，那么我总是会得到很多集群。假设它检查第一点的近邻，找到足够多的邻居(>MinPts)，为它们创建一个集群，移动到下一个点，检查邻居(可能还会找到已经在集群中的邻居)并为它们创建一个新的集群。诸若此类。因此，某些点将被添加到多个集群.因此，许多集群将被创建。

有人能解释一下这个算法是如何工作的吗？我在网上没有找到多少关于它的信息。

Answer 1

不，创建了一个集群之后，您将看到集群中的点，如果它们中的任何一个都有足够的密度来拥有自己的集群，那么“原始集群”中的所有点都会添加到原始集群中。以这种方式，它继续聚集，直到密度下降，从而增加点，缺乏足够的邻接点来继续这一过程。完成此操作后，集群中的所有点都将被市场“关闭”，该过程将重新开始在剩余的“开放”节点中寻找新的集群。

Answer 2

网上有很多关于DBSCAN的资料。即使你查看维基百科，你也可以找到一个详细的算法：

http://en.wikipedia.org/wiki/DBSCAN#Algorithm

你用哪种语言对它进行编码？如果您熟悉matlab、java或r，有大量的在线实现，也许可以帮助您.

一个很好的来源应该是原始文件..。