DBSCAN存在的问题:
1. 原算法中给出了minPts建议取值，适用范围广，但是Eps的取值还是依靠尝试和经验来确定，且Eps微小的变化就能引起聚类结果的很大变化。

2. 对于簇密度变化大的簇，由于使用的是全局密度，不论Eps和minPts如何取，都会造成部分数据的分到错误的簇或者被当做噪音。

3. 对于高维数据聚类效果差。

4. 对于与簇接近的噪声不能很好的分辨。

OPTICS存在的问题：
1. 不能给出聚类的直观结果，只有通过可达图来表示有几个簇。

2. 由于OPTICS算法是朝着密度稠密的区域扩展，低密度的对象往往都被堆积在最后处理，可能会形成上扬的尾部，导致可达图不能很好的反应数据的真实结构。

DENCLUE:
1. DENCLUE的参数需要人为设定，且参数变化范围大，且对聚类结果会造成很大影响。

2. 对于靠近密度大的数据（靠近簇）的噪音不能很好的分辨出。

3. 对高维数据聚类效果差。

4. 由于通常选用的高斯核函数以及核函数梯度计算量大，在数据量大时，聚类时间很长。