基本概念介绍：
- E邻域：给定对象半径为E内的区域称为该对象的E邻域
- 核心对象：如果给定对象E邻域的样本数大于等于MinPts，则称该对象为核心对象
- 直接密度可达：如果样本点q在p的E邻域内，并且p为核心对象，则对象q从对象p直接密度可达
- 密度可达：间接的直接密度可达
- 密度相联：对象o到对象p和q都是密度可达，那么p和q密度相联
输入：包含n个对象的数据库，半径E，最少数目MinPts
输出：所有达到密度要求的簇
计算过程：抽出一个未处理的点，如果抽出的点是核心点，找出所有与该点密度相连的对象形成一个簇，如果抽出的点不是核心点，跳出本次循环。（注意，它判断的是密度相连，而不是核心对象！）
- 任选一个为访问的点，找到在半径E范围内的所有附近点
- 如果附近点数目大于MinPts，则形成一个簇，并且该点被标记为已访问，接着执行下一个点
- 如果附近点数据小于MinPts，则标记为噪声点
优点：需要事先知道要形成的簇类的数量，可以发现任意形状的簇类，能够识别出噪声点，对于数据库中样本的顺序不敏感，即Pattern的输入顺序对结果的影响不大。但是，对于处于簇类之间边界样本，可能会根据哪个簇类优先被探测到而其归属有所摆动
缺点：不能很好反映高维数据，不能很好反映数据集以变化的密度，如果样本集的密度不均匀、聚类间距差相差很大时，聚类质量较差。手动调节半径E和MinPts
疑问：
- 限定的邻域时候的半径E如何得到？是什么距离，欧氏距离？余弦距离