dbscan文档.docVIP

密度聚类算法报告 研14许鑫201400358005 摘要 聚类分析是数据挖掘的重要方法。该文阐述了基于密度聚类分析的基本概念及其经典的算法思想，并提出了一种基于核心点进行聚类的算法。该算法首先对点进行分类，分出核心点、边界点和噪音点。然后采用自下而上的方式对簇进行合并。对所有数据进行分类并合并标记后，给出最后结果图。算法保证了数据处理的完整性。 密度聚类的相关概念 对于构成簇的每个对象，其Eps邻域包含的对象个数必须不小于一个给定值（MinPts），也就是说其邻域的密度必须不小于某个阈值。下面给出基于密度聚类算法分析中的一些定义。 直接密度可达：设 p是核心点，如果q在p的Eps邻域内，则称从p出发直接可达q。 　　密度相连：如果样本集合中存在一个对象o ，使得对象p 和q 是从o 关于Eps邻域和MinPts 密度可达的，那么对象p 和q 关于Eps和MinPts 密度相连 。 簇：基于密度可达性的最大的密度相连的点的集合称为簇。 噪音点：不在任何簇中的对象。 原理 考察样本集中的某一点o，若o是核心点，则通过区域查询得到该点的邻域，邻域中的点和o同属于一个簇，这些点将作为下一轮的考察对象（即种子点），并通过不断地对种子点进行区域查询来扩展它们所在的簇，直至找到一个完整的簇。然后，依此程序寻找其它的簇。最后剩下的不属于任何类的点即为噪音点。 算法流程 算法描述： 算法： dbscan 输入： Eps—半径。 MinPts—给定点在Eps邻域内成为核心对象的最小邻域点数。 数据集。 输出： 聚成的簇的图形。 Repeat 从数据集中抽取一个未处理的点； If 该点为核心点 Then找出该点密度可达的点，构成一个簇； Else goto 2； 簇外的点都标记成噪声； Until 所有的点都被处理过； 5.输入函数和子函数 5.1输入函数： MinPts=5; %阈值 Eps=1; %半径 [m,n]=size(data);%得到数据的大小 x=[(1:m) data];%将数据存到x中，并加上标号1-m [m,n]=size(x);%载入数据集的大小 type=zeros(m,1);%用于区分核心点1，边界点0和噪音点-1 dealed=zeros(m,1);%用于判断该点是否处理过,0表示未处理过,1表示处理过 dis=calDistance(x(:,2:n-1));%距离矩阵计算 class=zeros(1,m);%颜色分类 number=1;%簇号 5.2子函数： % 计算矩阵中点与点之间的距离 function [ dis ] = calDistance( x ) [m,n] = size(x); %给m，n赋值 dis = zeros(m,m); %距离矩阵 for i = 1:m %计算点i和点j之间的欧式距离 for j = i:m tmp =0; for k = 1:n %n维循环 tmp = tmp+(x(i,k)-x(j,k)).^2; end dis(i,j) = sqrt(tmp); dis(j,i) = dis(i,j); end end end % 画出Eps和minpots的曲线 data=load(C:\Users\sinx\Desktop\data\rings.txt); [m,n]=size(data);%得到数据的大小 x=[(1:m) data];%将数据存到x中，并加上标号1-m Dis=calDistance(x(:,2:n-1));%距离矩阵计算 Dis_4=sort(Dis,2); e=Dis_4(:,4); e=-sort(-e);%降序排列 plot(e) axis([0,100,0,0.5]) 5.3确定EPS和MinPts 求出所有点的第5近邻记为dis_5，并将dis_5按照降序排列，找出Eps值相对平缓的点作为Eps，并且Minpts取值为5. 如下图5-1. 图5-1（数据集rings.txt） 6.算法分析 本程序采用密度聚类算法（DBSCAN），目的在于过滤低密度区域，发现稠密度样本点。 优点：在执行时不需要知道簇的数目，簇的大小，以及可以对任意维度的样本都可以得出良好的结果。并且对噪声有一定的抗干扰能力。 缺点：当点的距离都比较接近的时候，无法执行出良好的结果；当数据集的密度是可变的时候，也无法得出良好的结果。 7.结