简单的说就是根据一个根据对象的密度不断扩展的过程的算法。一个对象O的密度可以用靠近O的对象数来判断。学习DBSCAN算法，需要弄清楚几个概念：

一：基本概念

1.：对象O的是与O为中心，为半径的空间，参数，是用户指定每个对象的领域半径值。

2.MinPts（领域密度阀值）：对象的的对象数量。

3.核心对象：如果对象O的对象数量至少包含MinPts个对象，则该对象是核心对象。

4.直接密度可达：如果对象p在核心对象q的内，则p是从q直接密度可达的。

5.密度可达：在DBSCAN中，p是从q(核心对象)密度可达的，如果存在对象链，使得,是从关于和MinPts直接密度可达的，即在的

内，则到密度可达。

6.密度相连：如果存在对象，使得对象都是从q关于和MinPts密度可达的，则称是关于和MinPts密度相连的。

二：密度可达和密度相连

图1基于密度的聚类中的密度可达和密度相连性

由上图可看出m,p,o.r 都是核心对象，因为他们的内都只是包含3个对象。

1.对象q是从m直接密度可达的。对象m从p直接密度可达的。

2.对象q是从p（间接）密度可达的,因为q从m直接密度可达，m从p直接密度可达。

3.r和s是从o密度可达的，而o是从r密度可达的，所有o,r和s都是密度相连的。

三：DBSCAN聚类过程

1.DBSCAN发现簇的过程

初始，给定数据集D中所有对象都被标记为“unvisited”，DBSCAN随机选择一个未访问的对象p，标记p为“visited”，并检查p的是否至少包含MinPts个对象。如果不是，则p被标记为噪声点。否则为p创建一个新的簇C，并且把p的中所有对象都放在候选集合N中。DBSCAN迭代地把N中不属于其他簇的对象添加到C中。在此过程中，对应N中标记为“unvisited”的对象,DBSCAN把它标记为“visited”，并且检查它的，如果的至少包含MinPts个对象，则的中的对象都被添加到N中。DBSCAN继续添加对象到C，直到C不能扩展，即直到N为空。此时簇C完成生成，输出。

为了找到下一个簇，DBSCAN从剩下的对象中随机选择一个未访问过的对象。聚类过程继续，直到所有对象都被访问。

2.DBSCAN聚类算法流程