DBSCAN（Density-Based Spatial Clustering of Applications with Noise）属于密度聚类算法，把类定义为密度相连对象的最大集合，通过在样本空间中不断搜索高密度的核心样本并扩展得到最大集合完成聚类，能够在带有噪点的样本空间中发现任意形状的聚类并排除噪点。
举一反三
- DBSCAN（Density-Based Spatial Clustering ...样本空间中发现任意形状的聚类并排除噪点。
- 聚类算法包括( ) A: 基于划分的方法,例如K-means B: 层次聚类算法,例如single-linkage C: 基于密度的方法,例如DBSCAN(Density-Based Spatial Clustering of Applications with Noise) D: 基于分布的方法,例如最大期望算法(Expectation-Maximization algorithm, EM),
- 在层次聚类中，两个集合的最大距离，定义为两个集合中最远的样本点的距离；
- KMeans算法的基本思想是：选择样本空间中k个样本（点）为初始中心，然后对剩余样本进行聚类，每个中心把距离自己最近的样本“吸引”过来，然后更新聚类中心的值，依次把每个样本归到距离最近的类中，重复上面的过程，直至得到某种条件下最好的聚类结果。
- DBSCAN算法属于什么类型的聚类算法A、划分型聚类算法B、基于密度的聚类算法C、层次聚类算法D、网格聚类算法