聚类算法之DBScan(Java实现)

DBScan是一种基于密度的聚类算法，它有一个核心点的概念：如果一个点，在距它Eps的范围内有不少于MinPts个点，则该点就是核心点。核心和它Eps范围内的邻居形成一个簇。在一个簇内如果出现多个点都是核心点，则以这些核心点为中心的簇要合并。

下图给出DBScan的聚类结果：

 

 

可以看到DBScan可以发现噪声，即它把(3,14)判定为噪声。

到这里你一定有个疑问：为什么(8,3)一个点形成了一个簇，不是一个簇最少应该包含MinPts个点吗，如果只有一个点，那(8,3)应该归为噪声才对呀？

其实你仔细阅读下面的代码就会发现原因。在算法运行的早期，(8,3)、(5,3)、(8,6)、(10,4)被划分为一个簇，并且此时判定(8,3)是核心点—这个决定不会再更改。只是到后来(5,3)、(8,6)、(10,4)又被划分到其他簇中去了。

下面给出DBScan算法的核心代码：

 

?

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99

package  orisun;   import  java.io.File; import  java.util.ArrayList; import  java.util.Vector; import  java.util.Iterator;   public  class  DBScan {        double  Eps= 3 ;   //区域半径      int  MinPts= 4 ;   //密度            //由于自己到自己的距离是0,所以自己也是自己的neighbor      public  Vector<DataObject> getNeighbors(DataObject p,ArrayList<DataObject> objects){          Vector<DataObject> neighbors= new  Vector<DataObject>();          Iterator<DataObject> iter=objects.iterator();          while (iter.hasNext()){              DataObject q=iter.next();              double [] arr1=p.getVector();              double [] arr2=q.getVector();              int  len=arr1.length;                            if (Global.calEditDist(arr1,arr2,len)<=Eps){      //使用编辑距离 //          if(Global.calEuraDist(arr1, arr2, len)<=Eps){    //使用欧氏距离    //          if(Global.calCityBlockDist(arr1, arr2, len)<=Eps){   //使用街区距离 //          if(Global.calSinDist(arr1, arr2, len)<=Eps){ //使用向量夹角的正弦                  neighbors.add(q);              }          }          return  neighbors;      }            public  int  dbscan(ArrayList<DataObject> objects){          int  clusterID= 0 ;          boolean  AllVisited= false ;          while (!AllVisited){              Iterator<DataObject> iter=objects.iterator();              while (iter.hasNext()){                  DataObject p=iter.next();                  if (p.isVisited())                      continue ;                  AllVisited= false ;                  p.setVisited( true );     //设为visited后就已经确定了它是核心点还是边界点                  Vector<DataObject> neighbors=getNeighbors(p,objects);                  if (neighbors.size()<MinPts){                      if (p.getCid()<= 0 )                          p.setCid(- 1 );       //cid初始为0,表示未分类；分类后设置为一个正数；设置为-1表示噪声。                  } else {                      if (p.getCid()<= 0 ){                          clusterID++;                          expandCluster(p,neighbors,clusterID,objects);                      } else {                          int  iid=p.getCid();                          expandCluster(p,neighbors,iid,objects);                      }                  }                  AllVisited= true ;              }          }          return  clusterID;      }        private  void  expandCluster(DataObject p, Vector<DataObject> neighbors,              int  clusterID,ArrayList<DataObject> objects) {          p.setCid(clusterID);          Iterator<DataObject> iter=neighbors.iterator();          while (iter.hasNext()){              DataObject q=iter.next();              if (!q.isVisited()){                  q.setVisited( true );                  Vector<DataObject> qneighbors=getNeighbors(q,objects);                  if (qneighbors.size()>=MinPts){                      Iterator<DataObject> it=qneighbors.iterator();                      while (it.hasNext()){                          DataObject no=it.next();                          if (no.getCid()<= 0 )                              no.setCid(clusterID);                      }                  }              }              if (q.getCid()<= 0 ){       //q不是任何簇的成员                  q.setCid(clusterID);              }          }      }        public  static  void  main(String[] args){          DataSource datasource= new  DataSource();          //Eps=3,MinPts=4          datasource.readMatrix( new  File( "/home/orisun/test/dot.mat" ));          datasource.readRLabel( new  File( "/home/orisun/test/dot.rlabel" ));          //Eps=2.5,MinPts=4 //      datasource.readMatrix(new File("/home/orisun/text.normalized.mat")); //      datasource.readRLabel(new File("/home/orisun/text.rlabel"));          DBScan ds= new  DBScan();          int  clunum=ds.dbscan(datasource.objects);          datasource.printResult(datasource.objects,clunum);      } }

原文来自:博客园（华夏35度）http://www.cnblogs.com/zhangchaoyang 作者:Orisun