簡單的說就是根據一個根據對象的密度不斷擴展的過程的算法。一個對象O的密度可以用靠近O的對象數來判斷。學習DBSCAN算法，需要弄清楚幾個概念：
一：基本概念
1.
：對象O的是與O為中心，
為半徑的空間，參數
，是用戶指定每個對象的領域半徑值。
2.MinPts（領域密度閥值）：對象的
的對象數量。
3.核心對象：如果對象O
的對象數量至少包含MinPts個對象，則該對象是核心對象。
4.直接密度可達：如果對象p在核心對象q的
內，則p是從q直接密度可達的。
5.密度可達：在DBSCAN中，p是從q(核心對象)密度可達的，如果存在對象鏈
，使得
,
是
從關於
和MinPts直接密度可達的，即
在
的
內，則
到
密度可達。
6.密度相連：如果存在對象
，使得對象
都是從q關於和MinPts密度可達的，則稱
是關於
和MinPts密度相連的。
二：密度可達和密度相連
圖1基於密度的聚類中的密度可達和密度相連性
由上圖可看出m,p,o.r 都是核心對象，因為他們的內都只是包含3個對象。
1.對象q是從m直接密度可達的。對象m從p直接密度可達的。
2.對象q是從p（間接）密度可達的,因為q從m直接密度可達，m從p直接密度可達。
3.r和s是從o密度可達的，而o是從r密度可達的，所有o,r和s都是密度相連的。
三：DBSCAN聚類過程
1.DBSCAN發現簇的過程
初始，給定數據集D中所有對象都被標記為“unvisited”，DBSCAN隨機選擇一個未訪問的對象p，標記p為“visited”，並檢查p的
是否至少包含MinPts個對象。如果不是，則p被標記為噪聲點。否則為p創建一個新的簇C，並且把p的
中所有對象都放在候選集合N中。DBSCAN迭代地把N中不屬於其他簇的對象添加到C中。在此過程中，對應N中標記為“unvisited”的對象
,DBSCAN把它標記為“visited”，並且檢查它的
，如果
的
至少包含MinPts個對象，則
的
中的對象都被添加到N中。DBSCAN繼續添加對象到C，直到C不能擴展，即直到N為空。此時簇C完成生成，輸出。
為了找到下一個簇，DBSCAN從剩下的對象中隨機選擇一個未訪問過的對象。聚類過程繼續，直到所有對象都被訪問。
2.DBSCAN聚類算法流程
