Distância central: a distância mínima que satisfaz os minpts

Distância alcançável: o menor valor da distância euclidiana entre o ponto amostral e o ponto central e a distância central do ponto central

Etapa 1: Dado o conjunto de dados D, crie duas filas, a fila ordenada O e a fila de resultados R (a fila ordenada é usada para armazenar objetos principais e seus objetos diretos de densidade, e são organizadas em ordem crescente por distância alcançável; O resultado fila é usada para armazenar a ordem de saída dos pontos de amostra. A fila ordenada pode ser entendida como os dados a serem processados, enquanto a fila de resultados contém os dados processados.)

Passo 2: Se todos os pontos em D tiverem sido processados ​​ou não houver pontos centrais, o algoritmo termina. Caso contrário, selecione um ponto de amostra p que não seja processado (ou seja, não esteja na fila de resultados R) e seja um objeto principal, primeiro coloque p na fila de resultados R e exclua p de D. Em seguida, encontre todas as densidades de p em D diretamente no ponto amostral x e calcule a distância alcançável de x a p. Se x não estiver na fila ordenada O, coloque x e a distância alcançável em O. Se x estiver em O. , então, se a nova distância alcançável de x for menor, atualize a distância alcançável de x e, finalmente, reordene os dados em O de acordo com a distância alcançável, de pequeno a grande.

Etapa 3: Se a fila ordenada O estiver vazia, volte para a etapa 2, caso contrário, retire o primeiro ponto amostral y em O (ou seja, o ponto amostral com a menor distância alcançável), coloque-o em R e remova-o de D e O excluem y. Se y não for um objeto central, repita a etapa 3 (ou seja, encontre o ponto amostral com a menor distância alcançável dos dados restantes em O, se y for um objeto central, encontre todas as densidades de y em D que atingem o objeto central); pontos de amostra e calcule a distância alcançável e, em seguida, siga a etapa 2 para atualizar a densidade de todos os y até os pontos de amostra em O

Etapa 4: Repita as etapas 2 e 3 até que o algoritmo termine e, finalmente, obtenha um resultado de saída ordenado e a distância alcançável correspondente.

O conjunto de dados conhecido é mostrado na figura:

Etapa 1: Calcule a distância alcançável do ponto central a outros pontos

Etapa 2: classifique a distância alcançável, selecione pontos de amostra menores e repita a etapa um:

Etapa 3: produza os objetos principais e suas distâncias alcançáveis ​​e divida-os em clusters: [0, 1, 3, 6, 5, 2, 4], distâncias alcançáveis: [inf, 3,16227766, 4,12310563, 1,41421356, 1. ,3.60555128, 1.41421356]