Epsilon 是扩展集群的局部半径。把它想象成一个步长 - DBSCAN 永远不会比这更大，但是通过执行多个步骤DBSCAN 集群可以变得比 eps 大得多。

如果您希望您的“集群”具有最大半径，这是一个集合覆盖类型的问题，因此您可能需要一个贪婪的近似值。这不是聚类问题，因为您不允许聚类算法发现比这更大的结构。你想用一个覆盖，忽略结构来近似你的数据。

但是有一些聚类算法可以限制聚类半径（但它们可能不会尽力优化您的问题）：

1. LEADER 有点像 DBSCAN 减去集群扩展。选择一个未聚集的点并添加 x 半径内的所有内容。重复直到所有点都“聚集”。它不会优化任何东西，你也不会得到很多理论属性。但是集群中的最大距离是 2x。运行两次，你会得到非常不同的结果。
2. 在高度 x 处切割树状图后的完整链接 HAC，即两点的最大距离。结果应该比Leader的好很多，也更稳定。然而，全链路 HAC 可能找不到最佳值。3 CLINK 是完整链接的更快变体（仅 O(n²) 而不是 n³），但往往会找到更糟糕的解决方案。您可能希望对数据的排列运行多次。

的意思$\epsilon$是邻域大小。一个点的邻域$p$，表示为$N_{\epsilon}(p)$, 被定义为$N_{\epsilon}(p) = \{q \in D | dist(p,q) \leq \epsilon \}$. 这里$D$是一个数据库$n$对象（点）和$q$一个查询点。 $\epsilon$是什么将构成您的特定问题的合理半径。例如，在寻找几十公里的城市集群时可能是合理的。另见这篇文章。是的，我猜$\epsilon = 1000$似乎是一个合理的初步估计。我可能会先尝试更大的东西，但这似乎并没有错位。让我指出，选择你的距离度量可能比你的更重要$\epsilon$在某种方式。您还可以使用不同的方法重新运行分析$\epsilon$并查看它的影响，但您的见解将直接与使用的距离度量相关联。