西电数据挖掘大作业-密度聚类

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)do

3)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C

7)令N为p的espilong邻域中的对象的集合

8) for N中的每个点p’

9) if p’是unvisited

10)标记p’为visited

11) 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c

15) end for

16) else

17)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=20

2、三维同心球数据

由多次实验可知epsilong=5 MinPts=7

四、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 [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,:));

end

end

while(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(n

visited(p,2)=-1;%标记为噪声

else

visited(p,2)=c;%为p创建一个新的簇c

N=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;

[prow pcol]=find(dis(pp,:)<=epsilong);

nn=size(pcol,2);

if(nn>=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

end

y=visited(:,2);

c=c-1;

end

creatdata_square

clear;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;

end

while(i~=num)

x=-100+200*rand;

y=-100+200*rand;

if(x>=-50&&x<=50&&y>=-50&&y<=50)

i=i;

else

i=i+1;

data(i,1)=x;

data(i,2)=y;

end

end

%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),linetype{y(i,1)});

else

plot(data(i,1),data(i,2),linetype{c+1});

end

hold on;

end

axis([-100 100 -100 100]);

creatdata_circle

clear;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);

end

for 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);

%?á1???ê?

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),data(i,3),linetype{y(i,1)});

else

plot3(data(i,1),data(i,2),data(i,3),linetype{c+1});

end

hold on;

end

grid on;

axis([-100 100 -100 100]);