Поиск иерархии кластера в данных
[ возвращает упорядоченный по кластеру список точек, order,reachdist] = clusterDBSCAN.discoverClusters(X,maxepsilon,minnumpoints)orderи расстояния достижимости, reachdist, для каждой точки в данных X. Укажите максимальный эпсилон, maxepsilonи минимальное количество баллов, minnumpoints. Метод реализует алгоритм упорядочения точек для идентификации кластерной структуры (OPTICS). Алгоритм OPTICS полезен, когда кластеры имеют различные плотности.
clusterDBSCAN.discoverClusters( отображает гистограмму, представляющую иерархию кластера.X,maxepsilon,minnumpoints)
Создание целевых данных со случайными обнаружениями в декартовых координатах xy. Используйте clusterDBSCAN.discoverClusters функции объекта, чтобы раскрыть лежащую в основе иерархию кластера.
Во-первых, набор clusterDBSCAN.discoverClusters параметры.
maxEpsilon = 10; minNumPoints = 6;
Создание случайных целевых данных.
X = [randn(20,2) + [11.5,11.5]; randn(20,2) + [25,15]; randn(20,2) + [8,20]; 10*rand(10,2) + [20,20]]; plot(X(:,1),X(:,2),'.') axis equal grid
Постройте график иерархии кластера.
clusterDBSCAN.discoverClusters(X,maxEpsilon,minNumPoints)
При визуальном осмотре участка выберите Epsilon как 2, а затем выполнить кластеризацию с помощью clusterDBSCAN объект и постройте график результирующих кластеров.
clusterer = clusterDBSCAN('MinNumPoints',6,'Epsilon',2, ... 'EnableDisambiguation',false); [idx,cidx] = clusterer(X); plot(clusterer,X,idx)
Выходные данные clusterDBSCAN.discoverClusters позволяет создать график достижимости, на основе которого можно визуализировать иерархическую структуру кластеров. График достижимости содержит упорядоченные точки на оси X и расстояния достижимости на оси Y. Используйте выходные данные для проверки структуры кластера в широком диапазоне параметров. Выходные данные можно использовать для оценки соответствующих пороговых значений кластеризации epsilon для алгоритма DBSCAN. Точки, принадлежащие кластеру, имеют небольшие расстояния достижимости до ближайшего соседа, и кластеры появляются как долины на графике достижимости. Более глубокие долины соответствуют более плотным скоплениям. По ординате дна долин определить эпсилон.
OPTICS предполагает, что плотные кластеры полностью содержатся менее плотными кластерами. OPTICS обрабатывает данные в правильном порядке, отслеживая окрестности точечной плотности. Этот процесс выполняется путем упорядочения точек данных по кратчайшим расстояниям достижимости, гарантируя, что кластеры с более высокой плотностью будут идентифицированы первыми.
clusterDBSCAN | clusterDBSCAN.estimateEpsilon | clusterDBSCAN.plot