西电数据挖掘大作业-密度聚类DBSCAN

题 目： 数据挖掘实验报告 学 院： 电子工程学院 专 业： 智能科学与技术 学生姓名： * 学 号： 02115* 数据挖掘实验报告 密度聚类DBSCAN一、 问题介绍用DBSCAN的方法对双层正方形数据和三维同心球数据进行聚类。其中样本个数为20000，且为均匀分布。二、 算法描述输入： espilong半径 MinPts 给定点在espilong邻域内成为核心对象的最小领域点数data集合输出：目标类簇集合;聚类数方法：1) 标记所有对象为unvisited;2) do3) 随机选择一个unvisited对象p；4) 标记p为visited；5) if p的espilong邻域至少有MinPts个对象6) 创建一个新簇C7) 令N为p的espilong邻域中的对象的集合8) for N中的每个点p9) if p是unvisited10) 标记p为visited11) if p的espilong邻域至少有MinPts个对象12) 把这些对象添加到N中13) if p还不是任何簇的成员14) 把p添加到c15) end for16) else17) 标记p为噪声18) until 没有标记为unvisited的对象三、 实验结果由于考虑到内存问题，所以这里只取2000个数据1、 双层正方形数据由多次实验可知epsilong=10 MinPts=202、 三维同心球数据由多次实验可知epsilong=5 MinPts=7四、 实验代码l DBSCAN%DBSCAN%输入：% data包含n个对象的数据集% epsilon半径参数% MinPts邻域密度阈值%输出：% y基于密度的簇的分类% c类别数function y c=DBSCAN(data,epsilong,MinPts)num=size(data,1);N=zeros(1,1);c=1;visited=zeros(num,2);dis=zeros(num,num);for i=1:num for j=1:num dis(i,j)=norm(data(i,:)-data(j,:); endendwhile(min(visited(:,1)=0) %随机选择一个未访问过的对象p while(1) p=round(num*rand); if(p=0) p=1; end if(visited(p,1)=0) break; end end %标记p为visited visited(p,1)=1; %判断p的epsilong邻域内对象的个数 row col=find(dis(p,:)=epsilong); n=size(col,2); if(n1) pp=N(1,2); if(visited(pp,1)=0) visited(pp,1)=1; prow pcol=find(dis(pp,:)=MinPts) N=cat(2,N,pcol); end end if(visited(pp,2)=0)|(visited(pp,2)=-1) visited(pp,2)=c; end v=size(N,2); N=N(:,2:v); end %簇c生成 c=c+1; end endy=visited(:,2);c=c-1;endl creatdata_squareclear;clc;%数据生成num=2000;data=zeros(num,2);for i=1:num/2 data(i,1)=-50+100*rand; data(i,2)=-50+100*rand; endwhile(i=num) x=-100+200*rand; y=-100+200*rand; if(x=-50&x=-50&y=50) i=i; else i=i+1; data(i,1)=x; data(i,2)=y; endend %利用DBSCAN进行聚类epsilong=10;MinPts=20;y c=DBSCAN(data,epsilong,MinPts);%结果显示disp(sprintf(聚类数为%d,c);linetype=r*,b*,g*,k*,y*,c*,r,k,b,g,y,c;for i=1:num if(y(i,1)=-1) plot(data(i,1),data(i,2),linetypey(i,1); else plot(data(i,1),data(i,2),linetypec+1); end hold on;endaxis(-100 100 -100 100);l creatdata_circleclear;clc;%数据生成num=2000;data=zeros(num,3);for i=1:num/2 rho=50*rand; theta=2*pi*rand; phi=pi*rand; data(i,1)=rho*sin(phi)*cos(theta); data(i,2)=rho*sin(phi)*sin(theta); data(i,3)=rho*cos(phi); endfor j=1:num/2 i=j+num/2; rho=50+50*rand; theta=2*pi*rand; phi=pi*rand; data(i,1)=rho*sin(phi)*cos(theta); data(i,2)=rho*sin(phi)*sin(theta); data(i,3)=rho*cos(phi); end%利用DBSCAN进行分类epsilong=5;MinPts=7;y c=DBSCAN(data,epsilong,MinPts);%disp(sprintf(聚类数为%d,c);linetype=r*,b*,g*,k*,c*,y*,r,k,b,g,y,c;for i=1:num if(y(i,1)=-1) plot3(data(i,1),data(i,2),