凝聚层次聚类：初始每个对象看成一个簇，即n个簇，合并最相似的两个簇，成（n-1）个簇，重复直到一个簇
\
相似度衡量方法
最小距离：两个簇中最近的两个对象的距离
最大距离：两个簇中最远的两个对象的距离
平均距离：两个簇中所有对象两两距离的平均值
质心距离：两个簇质心的距离
\
DBSCAN聚类算法
数据集中一个对象的半径𝜉内有大于minPts个对象时，称这个点核心点，将这些核心点半径内的对象加入这个簇，同时这些对象中若存在核心点，则合并簇
最终不属于簇的点为离群点即噪音
数据集D有n个对象\(D=\{o_i|i=1,2,...n\}\)设定半径𝜉，minPts半径内对象的个数最小值即密度阈值
𝜉，minPts的设定可通过k距离
K距离指一个点的距离它第k近的点的距离，计算数据集中每个点的k距离后可排序生成k距离图，选取其变化剧烈的的位置的k距离作为𝜉，k为minPts。
