1. 基于密度算法（DBSCAN）
：
1、基本定义：
点的ε邻域，以选定点为中心，以ε为半径的区域：
①核心点，如果一个点的ε邻域包含最小数目（ｍｉｎｐｓ）个点，则称该点为核心点；
②直接密度可达，如果点ｐ在点ｑ的ε邻域内，而ｑ是一个核心点，则称点ｐ是从点ｑ直接
密度可达；
③间接密度可达：给定一个点集Ｍ，如果存在一个点链ｐ１，ｐ２…ｐｎ，ｐ１＝ｑ，ｐｎ
＝ｐ，对ｐｉ∈Ｍ，１≦ｉ≦ｎ，ｐｉ＋１是从ｐｉ关于ε和ｍｉｎｐｓ直接密度可达的，则
点ｐ是从点ｑ关于ε和ｍｉｎｐｓ间接密度可达；
④密度相连，如果点集Ｍ中存在一个点ｏ，使得点ｐ和ｑ是从ｏ关于ε和ｍｉｎｐｓ间接密
度可达，则称点ｐ和ｑ是关于ε和ｍｉｎｐｓ密度相连；
⑤噪声，不属于密度可达或密度相连集合的点（即孤立点），称为噪声。
2、算法解析：
输入：数据集 S、参数ε、Minpts。
输出：关于ε和 Minpts 的所有类。
数据结构：float[n][3] (n 个三维点)

2. mark[n][3] (每个数据点三个标签项：b_tagged:是否已经标记，标记为噪声
或属于某一聚类；
b_core:是否为核心点；sort：隶属的类别)
1）、初始化类别标记 Cid
2）、for S 中每个数据对象 p
2.1） p 是未标记类别的数据对象 then
、if
2.1.1） p 不是核心对象 then
、if
、将 p 标记为噪声
2.1.1.1）
、else
2.1.2）
、将 p 标记为 Cid
2.1.2.1）
、将所有从 p 出发关于ε和ｍｉｎｐｓ直接密度可达的标记为噪声
2.1.2.2）
的对象标记为 Cid
、将所有从 p 出发关于ε和ｍｉｎｐｓ直接密度可达的未标记的对
2.1.2.3）
象标记为 Cid，
并放入到队列 Q 中。//关键部分，从 p 出发通过队列 Q 的入
队出队找到一个聚类

3. 、while Q 不空
2.1.2.4）
、从 Q 中取出队头元素 O
2.1.2.4.1）
2.1.2.4.2)、if O 是核心对象 then
2.1.2.4.2.1)、将所有从 O 出发关于ε和ｍｉｎｐｓ直接密
度可达的标记为噪声的对象标记为 Cid
2.1.2.4.2.2)、将所有从 O 出发关于ε和ｍｉｎｐｓ直接密
度可达的未标记的对象标记为 Cid，
并放入到队列 Q 中。
、改变类别标记 Cid。
2.1.2.5）