clusterDBSCAN.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. Данные для этого примера содержатся в dataClusterDBSCAN.mat файл. Первый столбец матрицы данных представляет область значений, и второй столбец представляет Доплера.

Входные данные содержат следующие расширенные цели и ложные 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)

Figure Clusters contains an axes. The axes with title Clusters contains 10 objects of type line, scatter, text.

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)

Figure Clusters contains an axes. The axes with title Clusters contains 6 objects of type line, scatter, text.

Входные параметры

свернуть все

Объект Clusterer в виде clusterDBSCAN объект.

Входные данные в виде 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 в виде 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 в виде Axes указатель на объект.

Типы данных: double

Постройте заголовок в виде вектора символов или строки.

Пример: 'Range-Doppler Clusters'

Типы данных: char | string

Выходные аргументы

свернуть все

Изобразите указатель графика, возвращенного как положительная скалярная величина.

Введенный в R2021a
Для просмотра документации необходимо авторизоваться на сайте