DBSCAN Clusterer

Кластерные обнаружения

  • Библиотека:
  • Phased Array System Toolbox / обнаружение

Описание

Кластерные данные с помощью основанной на плотности пространственной кластеризации приложений с шумом (DBSCAN) алгоритм. Блок DBSCAN Clusterer может кластеризировать любой тип данных. Блок может также решить для порогового параметра (эпсилон) и может выполнить разрешение неоднозначности данных в двух измерениях.

Порты

Входной параметр

развернуть все

Входные данные, заданные как N с действительным знаком-by-P матрица, где N является количеством точек данных, чтобы кластеризироваться. P является количеством размерностей признаков. Алгоритм DBSCAN может кластеризировать любой тип данных с соответствующими настройками Minimum number of points in a cluster и Cluster threshold epsilon.

Типы данных: double

Включите автоматическое обновление оценки эпсилона, заданной как false или true.

  • Когда true, порог эпсилона сначала оценивается как среднее значение коленей кривых поиска k-NN. Оценка затем добавляется к буферу размера L, установленный параметром Length of cluster threshold epsilon history. Окончательное значение эпсилона вычисляется как среднее значение L - буфер истории эпсилона длины. Если Length of cluster threshold epsilon history установлен в один, оценка без памяти. Без памяти означает, что каждая оценка эпсилона сразу используется, и никакое сглаживание скользящего среднего значения не происходит.

  • Когда false, используется предыдущая оценка эпсилона. Оценка эпсилона в вычислительном отношении интенсивна и не рекомендуемая для больших наборов данных.

Зависимости

Чтобы включить этот порт, установите параметр Source of cluster threshold epsilon на Auto и установленный параметр Maximum number of points for 'Auto' epsilon.

Типы данных: Boolean

Пределы неоднозначности, заданные как 1 2 вектор с действительным знаком или матрица с действительным знаком 2 на 2. Для одной размерности неоднозначности задайте пределы как 1 2 вектор [MinAmbiguityLimitDimension1, MaxAmbiguityLimitDimension1]. Для двух размерностей неоднозначности задайте пределы как матрицу 2 на 2 [MinAmbiguityLimitDimension1, MaxAmbiguityLimitDimension1; MinAmbiguityLimitDimension2, MaxAmbiguityLimitDimension2].

Кластеризация может произойти через контуры, чтобы гарантировать, что неоднозначные обнаружения соответственно кластеризируются максимум для двух размерностей. Неоднозначные столбцы данных о входном порте X заданы с помощью параметра Indices of ambiguous dimensions. Параметр AmbLims задает минимальные и максимальные пределы неоднозначности в тех же модулях, как используется в столбцах Indices of ambiguous dimensions входных данных X.

Зависимости

Чтобы включить этот порт, установите флажок Enable disambiguation of dimensions.

Типы данных: double

Вывод

развернуть все

Кластерные индексы, возвращенные как N-by-1 вектор-столбец с целочисленным знаком. Кластерные идентификаторы представляют кластеризирующиеся результаты алгоритма DBSCAN. Значение, равное '-1', подразумевает шумовую точку DBSCAN. Положительный Idx значения соответствуют кластерам, которые удовлетворяют DBSCAN кластеризирующиеся критерии.

Зависимости

Чтобы включить этот порт, установите параметр Define outputs for Simulink block на Index или Index and ID.

Типы данных: double

Альтернативные кластерные идентификаторы, возвращенные как 1 N вектором-строкой из положительных целых чисел. Каждое значение является уникальным идентификатором, указывающим на гипотетический целевой кластер. Этот аргумент содержит уникальные положительные кластерные идентификаторы для всех точек включая шум. В отличие от этого Idx выходной аргумент помечает шумовые точки с '–1'. Используйте этот выход в качестве входа с блоками Phased Array System Toolbox™, такими как Range Estimator и Doppler Estimator.

Зависимости

Чтобы включить этот порт, установите параметр Define outputs for Simulink block на Cluster ID или Index and ID.

Типы данных: double

Параметры

развернуть все

Тип кластерного вывода данных, заданного as:.

  • Index and ID – Включает Idx и Clusters выходные порты.

  • Cluster ID – Включает Clusters выходной порт только.

  • Index – Включает Idx выходной порт только.

Источник эпсилона для кластерного порога:

  • Property — Эпсилон получен из параметра Cluster threshold epsilon.

  • Auto — Эпсилон оценивается автоматически с помощью k - ближайших соседей (k-NN) поиск. Поиск вычисляется с k в пределах от меньше, чем значение Minimum number of points in a cluster к меньше, чем значение Maximum number of points for 'Auto' epsilon. Вычитание каждый необходим, потому что окружение точки включает саму точку.

Кластерный размер окружения для поискового запроса, заданного как положительная скалярная величина или 1 с действительным знаком P вектором-строкой. P является количеством кластеризирующихся размерностей во входных данных X.

Эпсилон задает радиус вокруг точки внутри, чтобы считать количество обнаружений. Когда эпсилон является скаляром, то же значение применяется ко всем размерностям признаков кластеризации. Можно задать различные значения эпсилона для различных размерностей кластеризации путем определения 1 с действительным знаком P вектором-строкой. Используя вектор-строку создает многомерную область поиска эллипса, которая полезна, когда столбцы данных имеют различные физические значения, такие как область значений и Доплер.

Минимальное число точек требуется для кластера, заданного как положительное целое число. Этот параметр задает минимальное число точек в кластере при определении, является ли точка базовой точкой.

Максимальное количество точек в кластере, заданном как положительное целое число. Это свойство используется, чтобы оценить эпсилон, когда объект выполняет поиск-NN k.

Зависимости

Чтобы включить этот параметр, установите параметр Source of cluster threshold epsilon на Auto.

Длина сохраненной кластерной пороговой истории эпсилона, заданной как положительное целое число. Когда установлено в одного, история без памяти. Затем каждая оценка эпсилона сразу используется, и никакое сглаживание скользящего среднего значения не происходит. Когда больше, чем один, значение эпсилона усреднено по заданной длине истории.

Пример 5

Типы данных: double

Флажок, чтобы включить разрешение неоднозначности размерностей, заданных как false или true. Когда проверяется, кластеризация происходит через контуры, заданные значениями во входном порту AmbLims при выполнении. Неоднозначные обнаружения соответственно кластеризируются. Используйте параметр Indices of ambiguous dimensions, чтобы задать те индексы столбца X в котором могут произойти неоднозначности. До двух неоднозначных размерностей разрешены. Включение разрешения неоднозначности не рекомендуется для больших наборов данных.

Типы данных: Boolean

Индексы неоднозначных размерностей, заданных как положительное целое число или 1 2 вектор положительных целых чисел. Это свойство задает индексы столбца данных о входном порте X в котором может произойти разрешение неоднозначности. Положительное целое число соответствует одной неоднозначной размерности в матрице входных данных X. 1 2 вектор-строка длины из индексов соответствует двум неоднозначным размерностям. Размер и порядок Indices of ambiguous dimensions должны быть сопоставимы с AmbLims значение входного порта.

Пример: [3 4]

Зависимости

Чтобы включить этот параметр, установите флажок Enable disambiguation of dimensions.

Типы данных: double

Блокируйте симуляцию, заданную как Interpreted Execution или Code Generation. Если вы хотите, чтобы ваш блок использовал интерпретатор MATLAB®, выбрал Interpreted Execution. Если вы хотите, чтобы ваш блок запустился как скомпилированный код, выбрал Code Generation. Скомпилированный код требует, чтобы время скомпилировало, но обычно запускается быстрее.

Интерпретированное выполнение полезно, когда вы разрабатываете и настраиваете модель. Блок запускает базовую Систему object™ в MATLAB. Можно изменить и выполнить модель быстро. Когда вы удовлетворены своими результатами, можно затем запустить блок с помощью Code Generation. Долгие симуляции, запущенные быстрее со сгенерированным кодом, чем в интерпретированном выполнении. Можно запустить повторенное выполнение без перекомпиляции, но если вы изменяете какие-либо параметры блоков, затем блок автоматически перекомпилировал перед выполнением.

Эта таблица показывает, как параметр Simulate using влияет на полное поведение симуляции.

Когда модель Simulink® находится в Accelerator режим, блочный режим, заданный с помощью Simulate using, заменяет режим симуляции.

Ускоряющие режимы

Блокируйте симуляциюПоведение симуляции
NormalAcceleratorRapid Accelerator
Interpreted ExecutionБлок выполняет использование интерпретатора MATLAB.Блок выполняет использование интерпретатора MATLAB.Создает независимый исполняемый файл из модели.
Code GenerationБлок скомпилирован.Все блоки в модели скомпилированы.

Для получения дополнительной информации смотрите Выбор Simulation Mode (Simulink).

Расширенные возможности

Генерация кода C/C++
Генерация кода C и C++ с помощью Simulink® Coder™.

Введенный в R2019b

Для просмотра документации необходимо авторизоваться на сайте