clusterDBSCAN.discoverClusters
语法
描述
(
返回一个按簇排序的点列表,订单
,reachdist
] = clusterDBSCAN.discoverClusters(X
,maxepsilon
,minnumpoints
)订单
,可达距离,reachdist
,为数据中的每个点X
。指定最大值,maxepsilon
,最小点数,minnumpoints
。该方法实现对点排序以识别聚类结构(光学)算法。当簇的密度不同时,OPTICS算法是有用的。
clusterDBSCAN.discoverClusters (
显示表示集群层次结构的条形图。X
,maxepsilon
,minnumpoints
)
例子
输入参数
输出参数
算法
的输出clusterDBSCAN.discoverClusters
让您创建一个可达性图,从中可以可视化集群的层次结构。可达性图包含上的有序点x的可达距离y设在。使用输出检查在广泛的参数设置范围内的群集结构。您可以使用输出来帮助为DBSCAN算法估计适当的epsilon聚类阈值。属于集群的点到最近邻居的可达距离较小,集群在可达性图中表现为山谷。更深的山谷对应着更密集的星系团。从山谷底部的纵坐标确定。
OPTICS假设密集的星团完全包含在密度较小的星团中。OPTICS通过跟踪点密度邻域,以正确的顺序处理数据。这一过程是通过按最短可达距离对数据点进行排序来执行的,确保首先识别出密度较高的集群。
扩展功能
版本历史
R2021a中引入