机器学习算法实践-聚类算法-无监督聚类-DBSCAN

实际上这个代码主要是参考了下面URL的代码，为了便于matlab输出信息，修改在了一个文件里面，但是他的主题思路很清晰，还是很建议读者读一下的。

一、首先DBSCAN的主体思路伪代码，以下伪代码出自维基百科(https://en.wikipedia.org/wiki/DBSCAN)：

DBSCAN(D, eps, MinPts)
   C = 0
   for each unvisited point P in dataset D
      mark P as visited
      N = getNeighbors (P, eps)
      if sizeof(N) < MinPts
         mark P as NOISE
      else
         C = next cluster
         expandCluster(P, N, C, eps, MinPts)

expandCluster(P, N, C, eps, MinPts)
   add P to cluster C
   for each point P' in N 
      if P' is not visited
         mark P' as visited
         N' = getNeighbors(P', eps)
         if sizeof(N') >= MinPts
            N = N joined with N'
      if P' is not yet member of any cluster
         add P' to cluster C

二、图解

这里参考stackoverflow里的一个优秀回答，点此转到

三、修改后的集成代码

clc;
clear all;
DataSet = data;
%获取数据维度
[instance,length] = size(DataSet);
inputinfo = DataSet(1:instance,1:length-1);
fprintf(['实例数：' num2str(instance) '\n']);
fprintf(['数据维度：' num2str(length) '\n']);
fprintf('录入数据完毕...\n');
epsilon = 1.5;%半径：0.8
MinPts =14;%区域最小密度值：22
C = 0;
fprintf(['初始类标：' num2str(C) '\n']);
n = size(DataSet,1);
fprintf(['实例数：' num2str(n) '\n']);
IDX = zeros(n,1);
fprintf('新建IDX变量用于保存第i个数据的将要归属的类标...\n');
Distance = pdist2(DataSet,DataSet);
fprintf('新建Distance变量保存DataSet矩阵实例之间的欧氏距离...\n');
visited = false(n,1);
fprintf('新建visited变量保存第i个实例是否已经被访问...\n');
isnoise = false(n,1);
fprintf('新建isnoise变量保存第i个实例是否是噪点...\n');
for i=1:n
    if ~visited(i)
        visited(i) = true;
        Neighbors = find(Distance(i,:)<=epsilon);
        fprintf(['已经获取与第' num2str(i) '个实例距离小于' num2str(epsilon) '的邻域集合实例数：' num2str(numel(Neighbors)) '\n']);        
        if numel(Neighbors)=MinPts
                        Neighbors = [Neighbors Neighbors2];
                    end
                end
                if IDX(j) == 0
                    IDX(j) = C;
                end
                k = k+1;
                if k>numel(Neighbors)
                    break;
                end
            end
        end
    end
end

最后的数据聚类结果生成了C个类，每个数据实例的类标保存在了IDX变量里面，聚类完成！