和传统的 k-means算法优缺点

和传统的 k-means 算法相比，DBSCAN 算法不需要输入簇数 k 而且可以发现任意形状的聚类簇，同时，在聚类时可以找出异常点。

DBSCAN 算法的主要优点如下。

1)可以对任意形状的稠密数据集进行聚类，而 k-means 之类的聚类算法一般只适用于凸数据集。

2)可以在聚类的同时发现异常点，对数据集中的异常点不敏感。

3)聚类结果没有偏倚，而 k-means 之类的聚类算法的初始值对聚类结果有很大影响。

DBSCAN 算法的主要缺点如下。

1)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，这时用 DBSCAN 算法一般不适合。

2)样本集较大时，聚类收敛时间较长，此时可以对搜索最近邻时建立的 KD 树或者球树进行规模限制来进行改进。

3)调试参数比较复杂时，主要需要对距离阈值 Eps，邻域样本数阈值 MinPts 进行联合调参，不同的参数组合对最后的聚类效果有较大影响。

4)对于整个数据集只采用了一组参数。如果数据集中存在不同密度的簇或者嵌套簇，则 DBSCAN 算法不能处理。为了解决这个问题，有人提出了 OPTICS 算法。

5)DBSCAN 算法可过滤噪声点，这同时也是其缺点，这造成了其不适用于某些领域，如对网络安全领域中恶意攻击的判断。

触摸屏技术

触摸屏技术是继键盘、鼠标、手写板、语音输入后最为普通百姓所易接受的计算机输入方式。利用这种技术，用户只要用手指轻轻地触碰计算机显示屏上的图符或文字就能实现对主机操作，从而使人机交互更为直截了当。这种技术极大方便了用户，是极富吸引力的全新多媒体交互设备。[3]

触摸屏的本质是传感器，它由触摸检测部件和触摸屏控制器组成。触摸检测部件安装在显示器屏幕前面，用于检测用户触摸位置，接受后送触摸屏控制器;触摸屏控制器的主要作用是从触摸点检测装置接收触摸信息，并将它转换成触点坐标送给CPU，同时能接收CPU发来的命令并加以执行。