1 简介
DBSCAN 算法是基于密度的空间数据聚类算法，可将密度足够大的相邻区域连接，并可以在排除噪声干扰的情况下生成任意形状的簇。该算法通过对数据集中每个点进行 Eps 邻域搜索形成簇，如果该点的 Eps 邻域内点的个数不少于Minpts，则进行以该点为核心对象的聚类过程，迭代地聚集从这些核心对象直接密度可达的对象，并合并密度可达簇，当没有新的点添加到任何簇时，该过程结束。下面介绍一下 DBSCAN 算法的几个重要概念：
（1）Eps 邻域：给定对象半径为 Eps 内的区域为该对象的 Eps 邻域。
（2）核心对象：若给定对象 Eps 邻域内的样本个数不小于 Minpts ，该对象为核心对象。
（3）Minpts：核心对象在 Eps 邻域包含的最小点数。
（4）直接密度可达：对于样本集合 D ，若样本点 q在 p 的 Eps 邻域内，p 是核心对象，则 p 对 q 直接密度可达。
2 部分代码
A=imread('C:\Users\dell\Desktop\Semantic dataset100\Semantic dataset100\ground-truth\3096.png');%X=image;%Y=[0,0;0,0;0,0;9,8];% X1=inv(X)% Y1=inv(Y);%la=length(X);[m,n]=size(A);%lb=length(Y);%[r,k]=size(label);for i=1:n %for q=1:k for j=1:m % for p=1:r if (A(i,j)&&B(i,j)) z=A(i,j)-label(i,j); u=abs(z); z1=+u; % else % break; end %end % end endendfor i=1:n for j=1:m z2=+A(i,j); endend ue=z1/z2;
3 仿真结果
4 参考文献
[1]覃正优. 基于改进超像素和谱聚类的图像分割算法研究[D]. 广西师范学院.
[2]丁倩, 周绍光, 邓巧,等. 结合RGB三维直方图和DBSCAN算法的图像分割[J]. 计算机工程与应用, 2018, 54(21):7.
博主简介：擅长智能优化算法、神经网络预测、信号处理、元胞自动机、图像处理、路径规划、无人机等多种领域的Matlab仿真，相关matlab代码问题可私信交流。
部分理论引用网络文献，若有侵权联系博主删除。
