欢迎您访问程序员文章站本站旨在为大家提供分享程序员计算机编程知识!
您现在的位置是: 首页  >  IT编程

Python基于聚类算法实现密度聚类(DBSCAN)计算【测试可用】

程序员文章站 2022-03-07 08:11:53
本文实例讲述了python基于聚类算法实现密度聚类(dbscan)计算。分享给大家供大家参考,具体如下: 算法思想 基于密度的聚类算法从样本密度的角度考察样本之间的可连...

本文实例讲述了python基于聚类算法实现密度聚类(dbscan)计算。分享给大家供大家参考,具体如下:

算法思想

基于密度的聚类算法从样本密度的角度考察样本之间的可连接性,并基于可连接样本不断扩展聚类簇得到最终结果。

几个必要概念:

ε-邻域:对于样本集中的xj, 它的ε-邻域为样本集中与它距离小于ε的样本所构成的集合。
核心对象:若xj的ε-邻域中至少包含minpts个样本,则xj为一个核心对象。
密度直达:若xj位于xi的ε-邻域中,且xi为核心对象,则xj由xi密度直达。
密度可达:若样本序列p1, p2, ……, pn。pi+1由pi密度直达,则p1由pn密度可达。

大致思想如下:

1. 初始化核心对象集合t为空,遍历一遍样本集d中所有的样本,计算每个样本点的ε-邻域中包含样本的个数,如果个数大于等于minpts,则将该样本点加入到核心对象集合中。初始化聚类簇数k = 0, 初始化未访问样本集和为p = d。

2. 当t集合中存在样本时执行如下步骤:

  • 2.1记录当前未访问集合p_old = p
  • 2.2从t中随机选一个核心对象o,初始化一个队列q = [o]
  • 2.3p = p-o(从t中删除o)
  • 2.4当q中存在样本时执行:
  • 2.4.1取出队列中的首个样本q
  • 2.4.2计算q的ε-邻域中包含样本的个数,如果大于等于minpts,则令s为q的ε-邻域与p的交集,

    q = q+s, p = p-s

  • 2.5 k = k + 1,生成聚类簇为ck = p_old - p
  • 2.6 t = t - ck

3. 划分为c= {c1, c2, ……, ck}

python代码实现

#-*- coding:utf-8 -*-
import math
import numpy as np
import pylab as pl
 #数据集:每三个是一组分别是西瓜的编号,密度,含糖量
data = """
1,0.697,0.46,2,0.774,0.376,3,0.634,0.264,4,0.608,0.318,5,0.556,0.215,
6,0.403,0.237,7,0.481,0.149,8,0.437,0.211,9,0.666,0.091,10,0.243,0.267,
11,0.245,0.057,12,0.343,0.099,13,0.639,0.161,14,0.657,0.198,15,0.36,0.37,
16,0.593,0.042,17,0.719,0.103,18,0.359,0.188,19,0.339,0.241,20,0.282,0.257,
21,0.748,0.232,22,0.714,0.346,23,0.483,0.312,24,0.478,0.437,25,0.525,0.369,
26,0.751,0.489,27,0.532,0.472,28,0.473,0.376,29,0.725,0.445,30,0.446,0.459"""
#数据处理 dataset是30个样本(密度,含糖量)的列表
a = data.split(',')
dataset = [(float(a[i]), float(a[i+1])) for i in range(1, len(a)-1, 3)]
#计算欧几里得距离,a,b分别为两个元组
def dist(a, b):
  return math.sqrt(math.pow(a[0]-b[0], 2)+math.pow(a[1]-b[1], 2))
#算法模型
def dbscan(d, e, minpts):
  #初始化核心对象集合t,聚类个数k,聚类集合c, 未访问集合p,
  t = set(); k = 0; c = []; p = set(d)
  for d in d:
    if len([ i for i in d if dist(d, i) <= e]) >= minpts:
      t.add(d)
  #开始聚类
  while len(t):
    p_old = p
    o = list(t)[np.random.randint(0, len(t))]
    p = p - set(o)
    q = []; q.append(o)
    while len(q):
      q = q[0]
      nq = [i for i in d if dist(q, i) <= e]
      if len(nq) >= minpts:
        s = p & set(nq)
        q += (list(s))
        p = p - s
      q.remove(q)
    k += 1
    ck = list(p_old - p)
    t = t - set(ck)
    c.append(ck)
  return c
#画图
def draw(c):
  colvalue = ['r', 'y', 'g', 'b', 'c', 'k', 'm']
  for i in range(len(c)):
    coo_x = []  #x坐标列表
    coo_y = []  #y坐标列表
    for j in range(len(c[i])):
      coo_x.append(c[i][j][0])
      coo_y.append(c[i][j][1])
    pl.scatter(coo_x, coo_y, marker='x', color=colvalue[i%len(colvalue)], label=i)
  pl.legend(loc='upper right')
  pl.show()
c = dbscan(dataset, 0.11, 5)
draw(c)

本机测试运行结果图:

Python基于聚类算法实现密度聚类(DBSCAN)计算【测试可用】

更多关于python相关内容感兴趣的读者可查看本站专题:《python数学运算技巧总结》、《python数据结构与算法教程》、《python函数使用技巧总结》、《python字符串操作技巧汇总》及《python入门与进阶经典教程

希望本文所述对大家python程序设计有所帮助。