plot

Постройте кластеры

Описание

пример

fh = plot(clusterer,X,idx) отображает график DBSCAN кластеризирующиеся результаты и возвращает указатель фигуры, fh. Входные параметры являются кластерным объектом, clusterer, матрица входных данных, X, и кластерные индексы, idx.

fh = plot(___,'Parent',ax) также задает оси, ax, из кластера заканчивается график.

fh = plot(___,'Title',titlestr) также задает заголовок, titlestr, из кластера заканчивается график.

Примеры

свернуть все

Создайте обнаружения расширенных объектов с измерениями в области значений и Доплере. Примите, что максимальная однозначная область значений составляет 20 м, и однозначный Доплеровский промежуток расширяет от -30 Гц к 30 Гц. Матрица данных содержится в dataClusterDBSCAN.mat файл. Первый столбец представляет область значений, и второй столбец представляет Доплера.

Входные данные содержат следующие расширенные цели и ложные заданные предупреждения:

  • однозначная цель, расположенная в (10,15)

  • неоднозначная цель в Доплере, расположенном в (10,-30)

  • неоднозначная цель в области значений, расположенной в (20,15)

  • неоднозначная цель в области значений и Доплере, расположенном в (20,30)

  • 5 ложных предупреждений

Создайте clusterDBSCAN возразите и укажите, что разрешение неоднозначности не выполняется установкой EnableDisambiguation к false. Решите для кластерных индексов.

load('dataClusterDBSCAN.mat');
cluster1 = clusterDBSCAN('MinNumPoints',3,'Epsilon',2, ...
    'EnableDisambiguation',false);
idx = cluster1(x);

Используйте clusterDBSCAN plot возразите функции, чтобы отобразить кластеры.

plot(cluster1,x,idx)

График показывает, что существует восемь очевидных кластеров и шесть шумовых точек. 'Dimension 1' метка соответствует области значений и 'Dimension 2' метка соответствует Доплеру.

Затем создайте другой clusterDBSCAN объект и набор EnableDisambiguation к true указывать, что кластеризация выполняется через область значений и Доплеровские контуры неоднозначности.

cluster2 = clusterDBSCAN('MinNumPoints',3,'Epsilon',2, ...
    'EnableDisambiguation',true,'AmbiguousDimension',[1 2]);

Выполните кластеризацию с помощью пределов неоднозначности и затем постройте кластеризирующиеся результаты. DBSCAN кластеризирующиеся результаты правильно показывают четыре кластера и пять шумовых точек. Например, точки в областях значений близко к нулю кластеризируются с точками около 20 м, потому что максимальная однозначная область значений составляет 20 м.

amblims = [0 maxRange; minDoppler maxDoppler];
idx = cluster2(x,amblims);
plot(cluster2,x,idx)

Входные параметры

свернуть все

Объект Clusterer, заданный как clusterDBSCAN объект.

Входные данные, заданные как N с действительным знаком-by-P матрица. Строки N соответствуют точкам в P - размерное пространство признаков. Столбцы P содержат значения функций, по которым происходит кластеризация. Например, вход 2D столбца может содержать Декартовы координаты x и y, или расположиться и Доплер.

Типы данных: double

Кластерные индексы, заданные как N-by-1 вектор-столбец с целочисленным знаком. Кластерные индексы представляют кластеризирующиеся результаты алгоритма DBSCAN, содержавшегося в первом выходном аргументе clusterDBSCANidx значения запускаются в одном и последовательно пронумерованы. Функция объекта графика помечает каждый кластер кластерным индексом. Значение –1 в idx указывает на шумовую точку DBSCAN. Шумовые точки не помечены.

Типы данных: double

Оси графика, заданного как Axes указатель на объект.

Типы данных: double

Постройте заголовок, заданный как вектор символов или строка.

Пример: 'Range-Doppler Clusters'

Типы данных: char | string

Выходные аргументы

свернуть все

Изобразите указатель графика, возвращенного как положительная скалярная величина.

Введенный в R2019b

Для просмотра документации необходимо авторизоваться на сайте