聚类算法（2） ---- DBSCAN

引入圆，给定半径，与数据点阀值。

核心点：以自身为圆心作圆，圆形包含的点数超过阈值的就是核心点

边界点：以自身为圆心作圆，圆形包含的点数没有超过阈值，但是包含了核心点

噪声点：以自身为圆心作圆，圆形包含的点数没有超过阈值，而且没有包含核心点

算法流程：

1、找到所有核心点
2、找到所有边界点和噪声点
3、将距离在给定半径下的核心点中间连一条线
4、每组连通的核心点形成一个聚类
5、将每个边界点分配到对应的聚类中

优点：对噪声点和离群点不敏感，可以适应多种形状的聚类

代码实现：对788个点聚成7个类

<span style="font-size:12px;">clear; close all; clc;
load('788points.mat');
m = 788;
radius = 2.8;
points = 20;
figure; hold on;

%求所有距离
dis = zeros(m,m);
for i=1:m
    for j=1:m
        dis(i,j) = norm((X(i,:) - X(j,:)),2);
    end
    dis(i,i) = 100;
end
        
color = zeros(m, 1);
id = zeros(m,1);
K = 1;
color(1) = 0;
%找到核心点并分类
for i=1:m
    sum = 0;
    %判断是否是核心点
    for j=1:m
        if dis(i,j) < radius 
            sum = sum + 1; 
            id(sum) = j; %记录圆内所有点
        end
    end
    %如果是核心点就进行分类
    if sum >= points
        if color(i)==0
            color(i) = K;
            K = K+1;
        end
        for p=1:sum
            if color(id(p))==0
                color(id(p)) = color(i);end
        end
    end
end

%画图
disp(K);
palette = hsv(K + 1);
colors = palette(color, :);
scatter(X(:,1), X(:,2), 20, colors);
hold off;</span>

聚类结果：