Dichtheidsgebaseerde

Dichtheidsgebaseerde methoden zijn benaderingen in gegevensanalyse die clustervorming en uitbijterdetectie mogelijk maken op basis van de lokale dichtheid van punten. In plaats van uitgaan van globale afstanden of vooronderstellingen over de vorm van clusters, gebruiken ze de dichtheid rondom punten om te bepalen of ze bij elkaar horen.

Belangrijke begrippen zijn onder meer een buurtradius epsilon en een minimumaantal punten minPts. Een kernpunt is een punt met ten minste minPts punten in zijn epsilon-buurt. Punten die in de buurt van een kernpunt liggen maar zelf geen kernpunt zijn, worden border points genoemd; punten die tot geen enkele buurt behoren en niet kernpunt zijn, worden als ruis beschouwd. Clusters ontstaan doordat kernpunten en hun dichtheidsreikbare buren aan elkaar worden verbonden.

De bekendste methode is DBSCAN (Density-Based Spatial Clustering of Applications with Noise). Het algoritme selecteert twee parameters, epsilon en minPts, identificeert kernpunten en vormt clusters door dichterheidsreikbaarheidsrelaties. Ruispunten blijven los. DBSCAN kan clusters vormen met arbitrary vormen en is robuust tegen ruis, maar de resultaten hangen sterk af van de gekozen parameters en de methode kan moeilijk presteren bij datasets met veranderende dichtheden.

Naast DBSCAN bestaan er verbeteringen zoals OPTICS en HDBSCAN. OPTICS produceert geen vaste epsilon en geeft een bereikrijke structuur via een reachability-plot, zodat verschillende dichtheidsniveaus zichtbaar worden. HDBSCAN bouwt een densiteitsgebaseerde hiërarchie uit en kiest vervolgens consistente clusters, wat vaak betere resultaten oplevert bij datasets met variërende dichtheden.

Toepassingen omvatten geografische informatiesystemen, beeldsegmentatie, anomaliedetectie en marktanalyse. Nadelen zijn gevoeligheid voor parameterkeuze, minder presteert bij sterk variërende dichtheden en hogere rekeneisen bij grote datasets.