可以用的经典密度聚类算法（DBSCAN）实例

可以用的经典密度聚类算法实例，

function [class] = Dbscan（ Xkeps ）
[mn]=size（X）;
class=zeros（1m）;
clusterId=1;
X=[class‘X];
n=n+1;

for i=1:m
  if X（i1）==0
  X=expandcluster（iXclusterIdepskn）;
  if X（i1）==-1  % if is noisekeep the clusterId not increasing 
  clusterId=clusterId-1;
  end
  clusterId=clusterId+1;
  end
end
clusterId=clusterId-1;
% disp（‘clusterNum:‘）;
% disp（clusterId）;
class=X（:1）‘;
end

function [X]=expandcluster（indexXclusterIdepskn）
   Di=dist（X（index（2:n））X（:（2:n）））;
   D=find（Di   if length（D）    X（index1）=-1;%noise
   return
   else
   for i=1:length（D）
       if（X（D（i）1）==0）
       X（D（i）1）=clusterId;
       end
   end
   end
   D（1）=[];  
  
while ~isempty（D）
   Di=dist（X（D（1）（2:n））X（:（2:n）））;
   Result=find（Di   if length（Result）>=k
       for t=1:length（Result） 
         if X（Result（t）1）==0||X（Result（t）1）==-1
            if X（Result（t）1）==0
               D（length（D）+1）=Result（t）;
            end
            X（Result（t）1）=clusterId;
         end
       end
   end
       D（1）=[];   
end

end


function [Di]=dist（ix）
[mn]=size（x）;
Di=sqrt（sum（（（（ones（m1）*i）-x）.^2）‘））;
if n==1
    Di=abs（（ones（m1）*i-x））‘;
end
end



 

 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----
     文件        1251  2014-03-21 21:46  Dbscan.m