DBSCAN
聚类分析算法 / 维基百科,自由的 encyclopedia
DBSCAN(英语:Density-based spatial clustering of applications with noise),是1996年由马丁·爱胥特(英语:Martin Ester)、汉斯-彼得·克里戈尔、约尔格·桑德(Jörg Sander)及Xiaowei Xu提出的聚类分析算法, 这个算法是以密度为本的:给定某空间里的一个点集合,这算法能把附近的点分成一组(有很多相邻点的点),并标记出位于低密度区域的局外点(最接近它的点也十分远),DBSCAN是其中一个最常用的聚类分析算法,也是其中一个科学文章中最常引用的。
在2014年,这个算法在领头数据挖掘会议KDD上获颁发了Test of Time award,该奖项是颁发给一些于理论及实际层面均获得持续性的关注的算法。