ST-DBSCAN算法评估指标

ST-DBSCAN算法是基于DBSCAN算法的时空聚类算法，它可以用于时空数据集的聚类。常用的ST-DBSCAN算法评估指标有：

1. 聚类数目（Number of Clusters，NC）：聚类数目是指ST-DBSCAN算法在给定数据集上所得到的聚类数目。

2. 噪声点数目（Number of Noise Points，NN）：噪声点数目是指ST-DBSCAN算法在给定数据集上未被聚类的点数目。

3. 聚类效果指标（Cluster Quality Index，CQI）：聚类效果指标是用来评价ST-DBSCAN算法聚类效果的指标，常用的有DBI（Davies-Bouldin Index）、CH（Calinski-Harabasz Index）和Silhouette Coefficient。

4. 时间复杂度和空间复杂度：时间复杂度和空间复杂度是评价ST-DBSCAN算法性能的指标，主要考虑算法的运行时间和占用的内存空间，用来评估算法的实用性。