根据维基百科，“大小的距离矩阵$\frac{(n^2-n)}{2}$可以实现以避免距离重新计算，但这需要$O(n^2)$内存，而基于非矩阵的 DBSCAN 实现只需要$O(n)$记忆。”

$\frac{(n^2-n)}{2}$基本上是三角矩阵。但是，它说基于非矩阵的实现只需要$O(n)$记忆。这是如何运作的？不管你使用什么数据结构，你不是总是必须有$\frac{(n^2-n)}{2}$距离值？还是会$O(n^2)$空间复杂度，不是吗？我在这里缺少什么吗？我正在处理一个庞大的数据集，我真的很想减少内存使用量。