2023年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***ﻩ数据挖掘实验报告——密度聚类DBSCAN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２0230，且为均匀分布。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：目的类簇集合；聚类数方法:标记所有对象为unｖｉsitｅd;do随机选择一个uｎｖisiｔeｄ对象p;标记p为visited;ifp的espｉlong邻域至少有MiｎPts个对象创建一个新簇C令Ｎ为p的espilong邻域中的对象的集合ｆorN中的每个点p’iｆｐ’是unｖiｓiｔeｄ标记p’为visiｔedifｐ’的esｐilonｇ邻域至少有MｉnＰts个对象把这些对象添加到N中iｆp’还不是任何簇的成员把ｐ’添加到cendfｏrelｓe标记p为噪声ｕntil没有标记为uｎvisｉｔeｄ的对象实验结果由于考虑到内存问题,所以这里只取2023个数据双层正方形数据由多次实验可知epsiｌｏｎg=１０MｉnＰｔs=20三维同心球数据由多次实验可知ｅｐsｉlｏｎg=5MiｎPtｓ＝7实验代码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［ｙc]＝ＤBSCAN(data,ｅpsｉlong，MinＰts）ｎum=ｓizｅ(daｔa,１)；Ｎ＝ｚerｏs(1,１);c＝１;visitｅd＝zerｏs(ｎum,2)；dis=ｚeｒos(ｎuｍ,num)；fori=１:numｆorj=1:nｕmdｉs（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pwhｉｌe(1)ｐ＝ｒｏunｄ(num*ｒａnｄ);iｆ（p==0)p=1;endif(vｉsiteｄ(p,1)==０)bｒeak;enｄenｄ％标记p为vｉsiｔedｖisited(p,1)＝1;％判断p的epsiloｎg邻域内对象的个数[rowcol]=fiｎd(dis(p,:)<=epsilonｇ);ｎ=sｉze(cｏl,2);if(n<MiｎＰts)visitｅd(p,2)=-１;%标记为噪声elｓeviｓiｔed(p,2)=c;％为ｐ创建一个新的簇ｃN=cａt(2,N，ｃol）;%将p的ｅpsiｌong邻域内的所有对象放到候选集合N中%迭代的将N中不属于其它簇的对象添加到c中while(ｓize(N,2）>１)pp=N（1,2）;iｆ（viｓited(pp,1)==0)viｓited（pp,１)=1;[pｒowpcｏl］=find(ｄis（pｐ,:)<=epsilong);nｎ＝ｓizｅ(pｃol,２);if(nn＞=MiｎPts)N=cat(2,Ｎ,pcｏl);eｎｄenｄif((vｉsiｔｅｄ（ｐｐ,2)＝=0)||(vｉsｉｔed(pp,２)＝=-1))vｉsiteｄ(ｐp,2)＝ｃ;eｎdv=sｉze（N,2);N=N(:,2：v);ｅnd%簇c生成c=c+1;ｅndendy＝ｖisited(：,２);c=c-1;ｅndｃｒeａtdata＿squaｒecleaｒ;cｌc;%数据生成ｎｕm=2０23;data=zerｏs（ｎum,２);ｆori=1:ｎｕm/2data(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&&y<=50）i=i;eｌsｅｉ=i+1;datａ(i,1)=ｘ；daｔa（i,2)=ｙ;endend％运用DBSＣＡＮ进行聚类epsiｌonｇ＝10;MinPts=20;［yc]=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<＇};fｏｒi＝1：numiｆ(ｙ(ｉ，１)~=-1)plｏｔ(dａｔa（i，１),dａｔa(i，2),linｅtyｐe{y（i,1)});ｅlsｅploｔ(data(i,1)，data（ｉ,２）,linｅtｙpｅ{c+１｝）;endhoｌdon;eｎｄａxis(［-１0010０-１0０１０0]);creaｔdａｔａ_circleｃｌeaｒ；clc;%数据生成ｎｕm＝2０23；data＝zeｒos(ｎｕm,3);ｆori=１:num/2ｒho=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);ｅndfoｒj=1:ｎum/2i=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%运用DＢSCAN进行分类eｐsiｌonｇ=５;MinPts＝７；[yc]=ＤBSCＡN（ｄatａ，epsｉlｏng,MｉnPｔｓ);%½á¹ûÏÔʾdisp(sｐrinｔf('聚类数为%ｄ',ｃ))；linetype={'r*＇,'b＊','g*＇,'k*＇,'c＊','y＊','ｒ<＇,＇ｋ＜＇，'ｂ＜＇,'g<'，'ｙ<','c＜'}；foｒi=1:nuｍif(y(i,1）~=-1）