样本 的 可达距离 ( 实时更新 ) : 每次提取样本时 , 都基于一个样本
p
计算与另外 所有的 密度可达 的样本的 可达距离 , 基本每次都要重新计算 , 这个可达距离每次迭代 , 都要修改一次...已知条件 :
① 数据集 : 将如下 含有 16 个样本的 数据集 , 进行聚类分析 ;
② 数据样本的属性 : 该数据样本是 二维数据 , 有两个属性值 , 可以在一个平面进行模拟 , 一个是
x...族序 , 以及其可达距离表示在了坐标系中 ;
此时可以开始进行聚类了 ;
OPTICS 算法 示例 第二阶段聚类分析
----
\varepsilon
太小无意义聚类分析 : 选择如下图所绘制的 红色线代表的...两个聚类分组的情况 :
下图中 , 绘制的红色线的
y
轴值代表的
\varepsilon
, 此时按照此
\varepsilon
进行聚类 , 凹形的分在一组 聚类中 , 如
聚类分组...一个聚类分组的情况 :
聚类分析 : 下图中 , 绘制的红色线的
y
轴值代表的
\varepsilon
, 此时按照此
\varepsilon = 44
进行聚类 , 凹形的分在一组 聚类中