目录一、算法原理1、密度聚类2、参考文献二、代码实现三、结果展示四、附：matlab验证代码博客长期更新，本文最新更新时间为：2026年9月2日。一、算法原理1、密度聚类密度聚类是将簇定义为密度相连的点的最大集合，能够把具有足够高密度的区域划分为簇，并可在噪声的空间数据库中发现任意形状的聚类。DBSCAN是一种典型的密度聚类算法，它使用两个参数来描述样本的紧密程度，其一是邻域半径，用来描述当前点的邻域距离阈值；其二是点的个数，用来描述在邻域范围内数据点的最小个数。从原理出发还需要了解几个基本概念：核心对象：对于空间任一点P，如果其邻域内至少包含k个样本点，则P是核心对象；密度直达：如果点Q位于点P的邻域内，且P是核心对象，则Q由P密度直达；密度可达：如果在样本序列中P1，P2，P3，P2由P1密度直达，P3由P2密度直达，则P3由P1密度可达；密度直连：对于空间点P和Q