【图论聚类算法】一种图论方法用于非参数聚类分析（Matlab代码实现）

@橘柑橙柠桔柚

于 2024-06-29 11:52:30 发布

阅读量607

点赞数 27

文章标签：算法图论聚类

本文链接：https://blog.csdn.net/weixin_61181717/article/details/140061744

版权

💥💥💞💞欢迎来到本博客❤️❤️💥💥

🏆博主优势：🌞🌞🌞博客内容尽量做到思维缜密，逻辑清晰，为了方便读者。

⛳️座右铭：行百里者，半于九十。

📋📋📋本文目录如下：🎁🎁🎁

目录

⛳️赠与读者

💥1 概述

📚2 运行结果

🎉3 参考文献

🌈4 Matlab代码、文章

⛳️赠与读者

👨‍💻做科研，涉及到一个深在的思想系统，需要科研者逻辑缜密，踏实认真，但是不能只是努力，很多时候借力比努力更重要，然后还要有仰望星空的创新点和启发点。当哲学课上老师问你什么是科学，什么是电的时候，不要觉得这些问题搞笑。哲学是科学之母，哲学就是追究终极问题，寻找那些不言自明只有小孩子会问的但是你却回答不出来的问题。建议读者按目录次序逐一浏览，免得骤然跌入幽暗的迷宫找不到来时的路，它不足为你揭示全部问题的答案，但若能让人胸中升起一朵朵疑云，也未尝不会酿成晚霞斑斓的别一番景致，万一它居然给你带来了一场精神世界的苦雨，那就借机洗刷一下原来存放在那儿的“躺平”上的尘埃吧。

或许，雨过云收，神驰的天地更清朗.......🔎🔎🔎

💥1 概述

摘要：
非参数聚类算法，包括寻找峰值、寻找谷值和单峰集算法，能够在度量空间中识别具有一般形状的点簇。然而，大多数寻找峰值和寻找谷值算法是迭代的，所得到的簇取决于起始分类和假定的簇数量。在本文中，我们提出了一种非迭代的基于图论的非参数聚类分析方法。所得到的算法由一个单一标量参数控制，不需要起始分类，并且能够确定簇的数量。所得到的簇是单峰集。

详细文章见第4部分。

📚2 运行结果

部分代码：

Inputs:
X: Matrix of data to be clustered. Each row corresponds
to an object in the data set and each column is an
attribute of the object.
r: A threshold distance that governs the behavior of the
algorithm.
Outputs:
cls: A vector of the cluster indices of the objects
pnode: A vector of the parent object of each object
%}
[N,~]=size(X);
pnode=1:N; % all objects start out as orphans
r2=r^2; % square r for quicker comparison
%
% Create graph
%
G = graph;
G = addnode(G,N);
for i=2:N % for all i,j such that j < i
for j=1:i-1
if (sum((X(i,:)-X(j,:)).^2)<=r2) % neighbors?
G = addedge(G,i,j);
end
end
end
if numedges(G)==0 % r too small?
cls=1:N; % each object in its own class
return
end
%
% Create parents: neighbor with the most neighbors
% Also identify orphans
%
nbrs=degree(G); % count neighbors
M=0;
cls=zeros(N,1);
for n=1:N
for m=neighbors(G,n)' % search neighborhood
if (nbrs(m)>nbrs(pnode(n))) ||...
((nbrs(m)==nbrs(pnode(n)))&&m>pnode(n))
pnode(n)=m;
end
end
if pnode(n)==n % orphan?
% Create new cluster
M=M+1;
cls(n)=M;
end
end
%
% Cluster the rest recursively
%
for n=1:N
pn=n;
while cls(pn)==0