dbscan-基于密度的噪声应用空间聚类
1.句法
2.描述
idx=dbscan(X,epsilon,minpts)使用dbscan函数划分数据集n*p矩阵X为集群,dbscan根据邻域搜索半径epsilon的阈值和识别核心点所需的最小邻居minpts数量聚类观测点。该函数返回一个n*1向量,其中包含每个观测的聚类索引。
idx=dbscan(X,epsilon,minpts,Name,Value)使用一个或多个名称值对参数指定其他选项。例如,可以指定‘Distance’,'minkowski','P',3来使用dbscan算法中指数为3的minkowski距离度量。
idx=dbscan(D,epsilon,minpts,‘Distance’,'precomputed')返回观测之间预计计算的配对距离D的聚类索引向量。D可以是pdist或pdist2的输出,页可以是分别符合pdist或pdist2输出格式的更一般的差异向量或矩阵。
[idx,corepts]=dbscan(_____)还返回一个逻辑向量corepts,其中包含dbscan识别的核心点,使用之前语法中任何输入的参数组合。
3.实例
a.对输入数据执行dbscan