Входные данные, заданные как матрица N-на-P с действительным значением, где N - количество точек данных в кластере. P - количество размеров элемента. Алгоритм DBSCAN может группировать любой тип данных с соответствующим минимальным количеством точек в кластере и настройками Cluster threshold epsilon.

Типы данных: double

Включить автоматическое обновление оценки epsilon, указанной как false или true.

Зависимости

Чтобы включить этот порт, установите для параметра Source of cluster threshold epsilon значение Auto и задайте максимальное количество точек для параметра epsilon Auto.

Типы данных: Boolean

Пределы неоднозначности, заданные как вектор вещественного значения 1 на 2 или матрица вещественного значения 2 на 2. Для одного размера неоднозначности задайте пределы в виде вектора 1 на 2 [MinAmbiguityLimitDimension1, MaxDifficuityLimitDimension1]. Для двух размеров неоднозначности задайте пределы в виде матрицы 2 на 2 [MinAmbiguityLimitDimension1, MaxAmbiguityLimitDimension1; MinAmbiguityLimitDimension2, MaxAmbiguityLimitDimension2].

Кластеризация может происходить через границы, чтобы гарантировать, что неоднозначные обнаружения будут соответствующим образом кластеризованы для двух измерений. Неоднозначные столбцы данных входного порта X определяются с помощью параметра Индексы неоднозначных размеров. Параметр AmbLims определяет минимальные и максимальные пределы неоднозначности в тех же единицах, что используются в столбцах индексов неоднозначных размеров входных данных. X.

Зависимости

Чтобы включить этот порт, установите флажок Включить определение размеров.

Типы данных: double

Индексы кластера, возвращаемые как N-by-1 целочисленный вектор столбца. Идентификаторы кластеров представляют результаты кластеризации алгоритма DBSCAN. Значение, равное «» -1 «», подразумевает точку шума DBSCAN. Положительный Idx значения соответствуют кластерам, удовлетворяющим критериям кластеризации DBSCAN.

Зависимости

Чтобы включить этот порт, установите для параметра Define outputs for Simulink block значение Index или Index and ID.

Типы данных: double

Альтернативные кластерные ID, возвращенные как вектор ряда положительных целых чисел 1 на Н. Каждое значение является уникальным идентификатором, указывающим гипотетический целевой кластер. Этот аргумент содержит уникальные положительные идентификаторы кластера для всех точек, включая шум. Напротив, Idx выходной аргумент помечает шумовые точки с «» -1 «». Используйте эти выходные данные в качестве входных данных для блоков Toolbox™ системы фазированной решетки, таких как блок оценки диапазона и блок доплеровской оценки.

Зависимости

Чтобы включить этот порт, установите для параметра Define outputs for Simulink block значение Cluster ID или Index and ID.

Типы данных: double

Тип вывода данных кластера, указанный как:.

Источник Epsilon для порогового значения кластера:

Размер соседства кластера для поискового запроса, заданный как положительный скалярный или вещественно-значимый вектор строки 1-by-P. P - количество измерений кластеризации во входных данных. X.

Эпсилон определяет радиус вокруг точки, внутри которой подсчитывается количество обнаружений. Если epsilon является скаляром, то одно и то же значение применяется ко всем размерам элемента кластеризации. Можно задать различные значения epsilon для различных размеров кластеризации, указав действительный вектор строки 1-by-P. Использование вектора строки создает многомерную область поиска эллипса, которая полезна, когда столбцы данных имеют различные физические значения, такие как диапазон и доплеровский.

Минимальное количество точек, необходимых для кластера, указанное как положительное целое число. Этот параметр определяет минимальное количество точек в кластере при определении того, является ли точка базовой.

Максимальное количество точек в кластере, указанное как положительное целое число. Это свойство используется для оценки epsilon, когда объект выполняет поиск k-NN.

Зависимости

Чтобы включить этот параметр, установите для параметра Source of cluster threshold epsilon значение Auto.

Длина хранимой истории эпсилонов пороговых значений кластера, заданная как положительное целое число. Если установлено значение 1, история не содержит памяти. Затем сразу же используется каждая оценка эпсилона и сглаживание скользящего среднего не происходит. Если значение больше единицы, значение эпсилона усредняется по указанной длине журнала.

Пример: 5

Типы данных: double

Флажок для включения определения размеров, указанных как false или true. Если флажок установлен, кластеризация происходит через границы, определенные значениями входного порта. AmbLims при исполнении. Неоднозначные обнаружения соответствующим образом группируются. Используйте параметр Indices of undicious dimensions для указания индексов столбцов X в котором могут возникать неоднозначности. Допускается до двух неоднозначных измерений. Включение значений не рекомендуется для больших наборов данных.

Типы данных: Boolean

Индексы неоднозначных размерностей, определяемые как положительное целое число или вектор 1 на 2 положительных целых чисел. Это свойство определяет индексы столбцов данных входного порта X в котором могут возникнуть значения. Положительное целое число соответствует одной неоднозначной размерности в матрице входных данных X. Вектор строки длины 1 на 2 индексов соответствует двум неоднозначным измерениям. Размер и порядок индексов неоднозначных измерений должны соответствовать AmbLims значение входного порта.

Пример: [3 4]

Зависимости

Чтобы включить этот параметр, установите флажок Включить определение размеров.

Типы данных: double

Моделирование блоков, указанное как Interpreted Execution или Code Generation. Если вы хотите, чтобы ваш блок использовал интерпретатор MATLAB ®, выберитеInterpreted Execution. Если вы хотите, чтобы ваш блок работал как скомпилированный код, выберите Code Generation. Скомпилированный код требует времени для компиляции, но обычно работает быстрее.

Интерпретированное выполнение полезно при разработке и настройке модели. Блок запускает базовую системную object™ в MATLAB. Модель можно быстро изменить и выполнить. Когда вы удовлетворены результатами, вы можете запустить блок с помощью Code Generation. Длительное моделирование выполняется быстрее с сгенерированным кодом, чем при интерпретированном выполнении. Можно выполнять повторные выполнения без перекомпиляции, но если изменить какие-либо параметры блока, то блок автоматически перекомпилируется перед выполнением.

В этой таблице показано, как параметр Simulate using влияет на общее поведение моделирования.

Когда модель Simulink ® находится вAccelerator режим блока, заданный с помощью Simulate, переопределяет режим моделирования.

Дополнительные сведения см. в разделе Выбор режима моделирования (Simulink).