ddbscan:针对离散和有界数据优化的离散DBSCAN算法

离散DBSCAN 这是群集算法的一个版本，专门针对离散的有界数据进行了优化，因此我们将其称为离散DBSCAN（DDBSCAN）。 当前实现的基础是从此。 算法代码位于文件ddbscan/ddbscan.py ，可以轻松读取。 主要算法本身在方法compute() ，可以通过上面的链接或阅读描述该算法的文章来理解。 此实现的另一个功能是针对在线学习而设计的。 结果，当我们将点添加到DDBSCAN对象时，每次必须将一个点传递给方法add_point 。 请参阅下面的用法。 优化离散和有界数据 上面链接中描述的对香草算法的主要优化基于以下事实：对于离散数据和有界数据，我们希望看到同一点出现了很多次，因此我们可以跟踪该点发生了多少次并优化我们的点。使用该信息的算法。 为了加快新点的插入和群集的计算，每个DDBSCAN对象为每个点保留其邻居的索引和邻居的大小（邻居点计数的总和）。 因此，当我们