String 类序号运算

String 类的成员对 String 对象执行序号运算或语义运算。序号运算是对每个 Char 对象的数值执行的。语义运算则对考虑了特定于区域性的大小写、排序、格式化和语法分析规则的 String 的值执行。语义运算在显式声明的区域性或者隐式当前区域性的上下文中执行。有关当前区域性的更多信息，请参见 CultureInfo.CurrentCulture 主题。

大小写规则决定如何更改 Unicode字符的大小写，例如，从小写变为大写。

格式化规则决定如何将值转换为它的字符串表示形式，而语法分析规则则确定如何将字符串表示形式转换为值。

排序规则确定 Unicode 字符的字母顺序，以及两个字符串如何互相比较。例如，Compare 方法执行语义比较，而 CompareOrdinal 方法执行序号比较。因此，如果当前的区域性为美国英语，则 Compare 方法认为“a”小于“A”，而 CompareOrdinal 方法会认为“a”大于“A”。

DBSCAN基本概念（Density—Based Spatial Clustering of Application with Noise）算法是一种典型的基于密度的聚类方法。它将簇定义为密度相连的点的最大集合，能够把具有足够密度的区域划分为簇，并可以在有噪音的空间数据集中发现任意形状的簇。

1. 基本概念

DBSCAN 算法中有两个重要参数：Eps 和 MmPtS。Eps 是定义密度时的邻域半径，MmPts 为定义核心点时的阈值。

在 DBSCAN 算法中将数据点分为以下 3 类。

1）核心点

如果一个对象在其半径 Eps 内含有超过 MmPts 数目的点，则该对象为核心点。

2）边界点

如果一个对象在其半径 Eps 内含有点的数量小于 MinPts，但是该对象落在核心点的邻域内，则该对象为边界点。

3）噪音点

如果一个对象既不是核心点也不是边界点，则该对象为噪音点。

通俗地讲，核心点对应稠密区域内部的点，边界点对应稠密区域边缘的点，而噪音点对应稀疏区域中的点。

在图 1 中，假设 MinPts=5，Eps 如图中箭头线所示，则点 A 为核心点，点 B 为边界点，点 C 为噪音点。点 A 因为在其 Eps 邻域内含有 7 个点，超过了 Eps=5，所以是核心点。