DBSCANDBSCAN算法具有以下特点：DBSCAN的基本概念可以用以下4点总结
1个核心思想：基于密度2个算法参数3种点的类别4种点的关系 DBSCAN算法步骤
密度聚类：用于检测任务，找异常点，离群点，效果明显。
针对环形数据，曲线数据
大圆：核心对象，不需要指定簇，周围核心半径有大于min_sample点
小圆：非核心对象，周围少于min_sample点
黑色点：离群点和任何核心对象的距离大于阈值
基于密度，对远离密度核心的噪声点鲁棒无需知道聚类簇的数量可以发现任意形状的聚类簇DBSCAN通常适合于对较低维度数据进行聚类分析 DBSCAN的基本概念可以用以下4点总结 1个核心思想：基于密度
直观效果上看，DBSCAN算法可以找到样本点的全部密集区域，并把这些区域当作一个个的聚类簇
2个算法参数邻域半径R和最少点数目MinPoints.
这两个算法参数可以刻画什么叫密集：
领域半径R内的点的个数 > 最少点数目MinPoints 时 就是密集
1.核心点 边界点 噪声点
核心点：邻域半径R内样本点的数量大于等于minpoints的点边界点：不属于核心点但在某个核心点的领域内的点噪声点：既不是核心点，也不是边界点的
4种点的关系密度直达 、密度可达 、 密度相连 、非密度相连
密度直达：
1.如果P为核心点，Q在P的R领域内，那么成P到Q密度直达
2.任何核心点到自身密度直达
3.密度直达不具备对称性
4.P->Q 密度直达，Q->P不一定
密度可达：
1.核心点P1，P2,…Pn。依次相邻的连续密度直达
2.P1->P2…Pn-1->Pn 且 Pn到Q密度可达。则P1->Q密度可达。
3.密度可达不具备对称性
密度相连：
1.核心点S,S->P和Q 都密度可达，则PQ相连
2.密度相连具有对称性 PQ相连 则 QP相连
3.密度相连的两个点，属于同一聚类簇
非密度相连
1.两个点不属于密度相连关系，则两个连非密度相连
2.则该两点属于不同的聚类簇，或者其中存在噪声
寻找核心点形成临时的聚类簇
1.扫描全部样本，满足某个样本点R半径范围内的点数 >= MinPoints, 将其纳入核心点列表
2.并将其密度直达的点形成对应的临时聚类簇
合并临时聚类簇得到聚类簇
1.对于每个临时聚类簇，检查其中的点是否为核心点。如果是将该点对应的临时聚类簇和当前临时聚类簇合并，得到 新的临时聚类簇。
2，重复此操作，知道当前临时聚类簇中的每一个点要么不在核心点列表，要么其密度直达的点，都已经在该类聚类簇，该临时聚类簇升级为聚类簇.
3.继续操作其余的临时聚类簇，知道全部被处理。
临时生成聚类及工业级DBSCAN代码
