DBSCAN——非凸数据集聚类

K-Means 本质上是将样本空间划分成 k 个 Voronoi 区域，决定了划分结果的 k 个簇一定是凸集，因而该方法对非凸区域的鉴别效果非常不好。  下面使用 DBSCAN 对上面非凸分布的数据聚类。 本例中 DBSCAN 选择的参数为：eps=0.5, min_samples=5 即要求一个团簇内点（非边界、非噪声点）在半径为 eps 的范围内至少有 min_sample 个点，边界点至少

>>阅读原文<<