1、傳統(tǒng)聚類(lèi)算法中各個(gè)數(shù)據(jù)對(duì)象之間的相似度衡量標(biāo)準(zhǔn)一般是各種距離的度量，如歐幾里德距離或者曼哈頓距離。在障礙空間中，由于障礙的存在，各個(gè)數(shù)據(jù)對(duì)象的連接性被阻斷，它們之間的傳統(tǒng)距離就失去了意義。因此，傳統(tǒng)的聚類(lèi)算法在障礙空間中失去了相似度判斷的有效性，從而不能很好的工作。為此，已經(jīng)有少數(shù)學(xué)者開(kāi)始致力于障礙空間中聚類(lèi)算法的研究。DBCO算法就是在此背景下致力于解決障礙空間中聚類(lèi)算法的研究?？傮w來(lái)說(shuō)，DBCO是基于密度的聚類(lèi)算法，它主要集中于下面

2、三個(gè)方面的研究。
　　 第一個(gè)方面是如何對(duì)障礙空間中的障礙進(jìn)行模型化。模型化目的是使得障礙的表示形式化，利于數(shù)據(jù)對(duì)象的相互操作。模型化不應(yīng)該以增加過(guò)多的數(shù)據(jù)預(yù)處理為代價(jià)。第二個(gè)方面是如何有效的判斷障礙空間中各個(gè)數(shù)據(jù)對(duì)象之間的相似度。相似度的判斷是聚類(lèi)算法的核心部分。如何在障礙空間中消除障礙對(duì)相似度的影響，是障礙空間中聚類(lèi)算法研究的一個(gè)核心環(huán)節(jié)。第三個(gè)方面是在實(shí)現(xiàn)上述兩個(gè)方面的前提上如何有效的保證聚類(lèi)算法的效率。效率是一個(gè)算法的重

3、要衡量標(biāo)準(zhǔn)，障礙空間中的聚類(lèi)算法在障礙建模、改變相似度判斷標(biāo)準(zhǔn)的同時(shí)，不能增加過(guò)多的開(kāi)銷(xiāo)而影響算法的效率。
　　 在對(duì)障礙建模的同時(shí)對(duì)障礙模型進(jìn)行簡(jiǎn)化，是減少數(shù)據(jù)預(yù)處理的有效辦法。所建立的障礙模型簡(jiǎn)化方法具有簡(jiǎn)化行和完整性。新的相似度判斷方法不僅保證了被障礙阻斷聯(lián)系的對(duì)象之間的不可達(dá)性，還保留了鄰域沿著障礙上的連接點(diǎn)和端點(diǎn)方向上的擴(kuò)展性。而選取領(lǐng)域中的部分代辦點(diǎn)進(jìn)行聚類(lèi)擴(kuò)展，能夠很好的保證聚類(lèi)算法在障礙空間中的聚類(lèi)效率。