据说DBSCAN在处理边界点时不够一致，具体取决于它首先将点分配到哪个聚类。有没有DBSCAN的变体能够考虑到边界点在每个聚类中的邻近点数（eps），在分配边界点到某个聚类时使用这一信息？

回答：

在这种情况下，通常每个聚类中的点数为1。

更好的决策方法是使用距离，但即便如此，也可能出现平局。

这是一个简单的修改，可以在后处理中轻松实现：对于每个边界点，找到最近的核心点，并使用那个标签。

然而，这是否重要呢？

聚类永远不会是完美的。我们在这里讨论的是一种罕见的情况，其中“最佳”（基于两个硬性阈值的相当临时的“最佳”定义）的分配通常对最终结果没有0.000的差异。

如果我没记错的话，DBSCAN的作者建议你也可以将这些点分配到两个聚类。这据说是最符合定义的解决方案（边界点确实可以从两个聚类中到达）。但这使得一切变得更加复杂。因为许多用户希望每个点在漂亮的数值列中只有一个标签，而不必处理这种特殊情况。