一、DBSCAN算法
简介
DBSCAN(Density-Based Spatial Clustering of Applications with Noise)是一个基于密度的聚类算法。算法把簇看作数据空间中由低密度区域分割开的高密度对象区域;将足够高密度的区域划为簇,可以在有噪音的数据集中发现任意形状的聚类。
基本概念
在DBSCAN 算法中有两个重要的参数:Eps 和 MinPtS。Eps 是定义密度时的邻域半径,MinPts 为定义核心点时的阈值。
基于中心定义密度的方法可将点分为三类:
(1)核心点:给定用户指定阈值MinPts,如果一个点的给定邻域内的点的数目超过给定阈值MinPts, 那么该点称为核心点。
(2)边界点:边界点不是核心点,但它落在某个核心点的Eps邻域内。
(3)噪声点:噪声点既不是核心点,也不是边界点。
基于密度的簇定义如下:
(1)密度直达:给定一个对象集合D,如果p是在q的邻域内,且q是一个核心对象,则称p从对象q出发是直接密度直达的。
(2)密度可达:如果存在一个对象链 , ,对于
是从
关于Eps和MinPts直接密度可达的,则对象p是从对象q关于Eps和MinPts密度可达的。
(3)密度连接:如果对象集D中存在一个对象o,使得对象p和q是从o关于Eps和MinPts密度可达的,那么对象p和q是关于Eps和MinPts密度连接的。
(4)密度可达是密度直达的传递闭包,这种关系非对称的,只有核心对象之间是相互密度直达的。
算法过程
![](https://i-blog.csdnimg.cn/blog_migrate/2e85338ffecda0d65bfa1c9e03d721e2.png)
通俗的来讲,算法流程如下:
(1)将所有数据对象标记为核心对象、边界对象或噪声对象。
(2)删除噪声对象。
(3)为距离在Eps之内的所有核心对象之间赋予一条边。
(4)每组联通的核心对象形成一个簇。
(5)将每个边界对象指派到一个与之关联的核心对象的簇中。
二、DBSCAN算法举例
案例说明和数据
给定一组二维数据(x,y)作为点,可以自己定义也可以利用下面的数据,将数据存入文本文档中,放入相应目录下即可。Eps设为2,MinPts为3。使用DBSCAN算法进行分类操作。
0,0
0,1
0,2
0,3
0,4
0,5
12,1
12,2
12,3
12,4
12,5
12,6
0,6
0,7
12,7
0,8
0,9
1,1
6,8
8,7
6,7
3,5
代码
//定义点类
public class Point {
private int x;
private int y;
private boolean isKey;
private boolean isClassed;
public boolean isKey() {
return isKey;
}
public void setKey(boolean isKey) {
this.isKey = isKey;
this.isClassed = true;
}
public boolean isClassed() {
return isClassed;
}
public void setClassed(boolean isClassed) {
this.isClassed = isClassed;
}
public int getX() {
return x;
}
public void setX(int x) {
this.x = x;
}
public int getY() {
return y;
}
public void setY(int y) {
this.y = y;
}
public Point() {
x = 0;
y = 0;
}
public Point(int x, int y) {
this.x = x;
this.y = y;
}
public Point(String str) {
String[] p = str.split(",");
this.x = Integer.parseInt(p[0]);
this.y = Integer.parseInt(p[1]);
}
public String print() {
return "(" + this.x + "," + this.y + ")";
}
}
//对点进行操作
import java.io.BufferedReader;
import java.io.FileReader;
import java.io.IOException;
import java.util.*;
public class Utility {
/**
* 测试两个点之间的距离
* @param p 点
* @param q 点
* @return 返回两个点之间的距离
*/
public static double getDistance(Point p,Point q){
int dx=p.getX()-q.getX();
int dy=p.getY()-q.getY();
double distance=Math.sqrt(dx*dx+dy*dy);
return distance;
}
/**
* 检查给定点是不是核心点
* @param lst 存放点的链表
* @param p 待测试的点
* @param e e半径
* @param minp 密度阈值
* @return
*/
public static List<Point> isKeyPoint(List<Point> lst,Point p,int e,int minp){
int count=0;
List<Point> tmpLst=new ArrayList<Point>();
for (Point q : lst) {
if (getDistance(p, q) <= e) {
++count;
if (!tmpLst.contains(q)) {
tmpLst.add(q);
}
}
}
if(count>=minp){
p.setKey(true);
return tmpLst;
}
return null;
}
/**
* 设置已经分类点的标志
* @param lst
*/
public static void setListClassed(List<Point> lst){
for (Point p : lst) {
if (!p.isClassed()) {
p.setClassed(true);
}
}
}
/**
* 如果b中含有a中包含的元素,则把两个集合合并
* @param a
* @param b
* @return a
*/
public static boolean mergeList(List<Point> a,List<Point> b){
boolean merge=false;
for (Point value : b) {
if (a.contains(value)) {
merge = true;
break;
}
}
if(merge){
for (Point point : b) {
if (!a.contains(point)) {
a.add(point);
}
}
}
return merge;
}
/**
* 读取数据
* @return 返回文本中点的集合
*/
public static List<Point> getPointsList() throws IOException{
List<Point> lst=new ArrayList<Point>();
//String txtPath="D:"+File.separatorChar+"Points.txt";
String txtPath="E:\\myfile\\Points.txt";
BufferedReader br=new BufferedReader(new FileReader(txtPath));
String str="";
while((str = br.readLine()) != null && !str.equals("")){
lst.add(new Point(str));
}
br.close();
return lst;
}
}
//主要算法
import java.io.*;
import java.util.*;
public class DBScan {
private static List<Point> pointsList = new ArrayList<Point>();// 初始点列表
private static List<List<Point>> resultList = new ArrayList<List<Point>>();// 分类结果集
private static int e = 2;// e半径
//private static int e = 2;// e半径
private static int minp = 3;// 密度阈值
//private static int minp = 4;// 密度阈值
/**
* 打印结果
**/
private static void display() {
int index = 1;
for (List<Point> lst : resultList) {
if (lst.isEmpty()) {
continue;
}
System.out.println("*****第" + index + "个分类*****");
for (Point p : lst) {
System.out.print(p.print());
}
System.out.print("\n");
index++;
}
}
/**
* 调用算法
*/
private static void applyDbscan() {
try {
pointsList = Utility.getPointsList();
for (Point p : pointsList) {
if (!p.isClassed()) {
List<Point> tmpLst = new ArrayList<Point>();
if ((tmpLst = Utility.isKeyPoint(pointsList, p, e, minp)) != null) {
// 为所有聚类完毕的点做标示
Utility.setListClassed(tmpLst);
resultList.add(tmpLst);
}
}
}
} catch (IOException e) {
e.printStackTrace();
}
}
/**
* 合并结果集
* @return
*/
private static List<List<Point>> getResult() {
applyDbscan();// 找到所有直达的聚类
int length = resultList.size();
for (int i = 0; i < length; ++i) {
for (int j = i + 1; j < length; ++j) {
if (Utility.mergeList(resultList.get(i), resultList.get(j))) {
resultList.get(j).clear();
}
}
}
return resultList;
}
/**
* 程序主函数
* @param args
*/
public static void main(String[] args) {
getResult();
display();
}
}
3.运行结果
![](https://i-blog.csdnimg.cn/blog_migrate/f54200230e5198a617e229e9a1ee3d15.png)
三、总结
DBSCAN算法可以对任意形状的稠密数据集进行聚类,相对于K-Means、Mean Shift之类的聚类算法一般只适用于凸数据集。除此之外该算法在聚类的同时发现异常点,对数据集中的异常点不敏感。
DBSCAN算法也存着缺点,如果样本集的密度不均匀、聚类间距差相差很大时,聚类质量比较差;样本集较大时,聚类收敛时间较长;以及对Eps和MinPts的联合调参是比较困难的。
在日常生活中,我们可以根据数据的类型进行合理选择该算法进行聚类分类。
参考
https://blog.csdn.net/qq_42735631/article/details/120983729
https://zhuanlan.zhihu.com/p/139926467