DBSCAN在最壞情況下的時間復雜度是O（N2）。
DBSCAN在最壞情況下的時間復雜度是O（N2）是因為在最壞情況下，DBSCAN需要遍歷整個數據集，找出所有的核心點，並構建出聚類。這個過程涉及到大量的計算和比較，因此時間復雜度較高。此外，DBSCAN的空間復雜度也是O（N），因為它需要維持每個點的簇標號和其他相關信息。
然而，對於低維空間數據，使用KD樹等數據結構可以有效地檢索特定點給定距離內的所有點，從而降低時間復雜度。在空間復雜度方面，無論是在低維還是高維數據中，每個點只需要維持少量的數據，即簇標號和每個點的標識，因此空間復雜度都是O（N）。
DBSCAN算法的調參可以使用繪制k-距離曲線（k-distance graph）方法得到。在k-距離曲線圖明顯拐點位置為對應較好的參數。若參數設置過小，大部分數據不能聚類；若參數設置過大，多個簇和大部分對象會歸並到同壹個簇中。
時間復雜度的影響因素：
1、數據量：處理的數據量越大，算法的時間復雜度可能越高。這是因為更多的數據意味著更多的計算和比較。
2、數據結構：采用不同的數據結構來存儲數據可能會影響算法的時間復雜度。例如，使用哈希表進行查找通常比使用線性列表更快。
3、算法選擇：不同的算法對同壹問題的處理效率可能不同。例如，排序算法中的快速排序和冒泡排序的時間復雜度就有所差異。
4、執行路徑：程序的執行路徑長度也會影響時間復雜度。例如，嵌套循環的層數越多，執行路徑越長，時間復雜度就可能越高。
5、計算精度：壹些算法為了達到更高的計算精度可能會增加計算時間。例如，使用浮點數運算可能會比整數運算更耗時。