機器學習之密度聚類算法

        基於密度的聚類算法假設聚類結構能夠通過樣本分佈的緊密程度確定，以數據集在空間分佈上的稠密程度爲依據進行聚類，即只要一個區域中的樣本密度大於某個閾值，就把它劃入與之相近的簇中。         密度聚類從樣本密度的角度進行考察樣本之間的可連接性，並由可連接樣本不斷擴展直到獲得最終的聚類結果。這類算法可以克服K-means、BIRCH等只適用於凸樣本集的情況。         常用的密

>>阅读原文<<