背景： 目的：要用Python下的DBSCAN聚类算法。 scikit-learn 是一个基于SciPy和Numpy的开源机器学习模块，包括分类、回归、聚类系列算法，主要算法有SVM、逻辑回归、朴素贝叶斯、Kmeans、DBSCAN等，目前由INRI 资助，偶尔Google也资助一点。 SciPy是 ...
分类：
编程语言 时间：
2016-05-06 20:18:39
阅读次数：
284
假设说世界上仅仅能存在一种基于密度的聚类算法的话。那么它必须是DBSCAN（Density-based spatial clustering of applications with noise）。DBSCAN作为基于密度聚类算法的典型，相对于Kmeans，最大长处是能够自己决定聚类数量。同一时候能
分类：
数据库 时间：
2016-03-12 09:09:26
阅读次数：
275
程序流程图：
DBSCAN核心功能函数，计算每个point的eps范围内的point数量pts；
对于所有pts >Minpts的point，记为Core point；
对于所有的corepoint，将其eps范围内的core point下标添加到vector::corepts中；
对于所有的corepoint，采用深度优先的方式遍历core point的所有cluster，使...
分类：
数据库 时间：
2015-12-31 12:55:01
阅读次数：
376
针对大数量的文本数据，采用单线程处理时，一方面消耗较长处理时间，另一方面对大量数据的I/O操作也会消耗较长处理时间，同时对内存空间的消耗也是很大，因此，本文引入MapReduce计算模型，以分布式方式处理文本数据，以期提高数据处理速率。本文结合Kmeans和DBSCAN算法，对上述算法进行改进，其中...
分类：
其他好文 时间：
2015-11-13 00:45:24
阅读次数：
605
鉴于DBSCAN算法对输入参数，领域半径E和阈值M比较敏感，在参数调优时比较麻烦，因此本文对另一种基于密度的聚类算法OPTICS（Ordering Points To Identify the Clustering Structure）展开研究，其为DBSCAN的改进算法，与DBSCAN相比，该算法...
分类：
其他好文 时间：
2015-11-09 20:39:59
阅读次数：
312
鉴于基于划分的文本聚类方法只能识别球形的聚类，因此本文对基于密度的文本聚类算法展开研究。DBSCAN是一种典型的基于密度的聚类方法，可以找出形状不规则的聚类，而且聚类时无需事先知道聚类的个数。
分类：
数据库 时间：
2015-11-09 18:46:18
阅读次数：
272
使用DBSCAN的方法，发现了cluster。outlier也就是那些不属于任何cluster的样本点。继续用estimate_bandwidth去估计dbscan里的参数eps
分类：
其他好文 时间：
2015-10-04 11:04:59
阅读次数：
850
聚类分析初探第一章 引言第二章 预备知识第三章 直接聚类法第四章 K-means第五章 DBSCAN第六章 OPTICS第七章聚类分析的效果评测第八章数据尺度化问题发表在 Science 上的一种新聚类算法 本文摘自中国科学院计算技术研究所周昭涛的硕士论文《文本聚类分析效果评价及文本表示研究》的.....
分类：
其他好文 时间：
2015-08-16 13:32:56
阅读次数：
200
DBSCAN算法介绍DBSCAN是一个基于密度的聚类算法，该算法包括几个重要的概念：核心对象，直接密度可达，密度可达，密度相连，这几个概念是层层递进的关系。概念核心对象：在ε范围内邻居点大于等于Minpt的对象，其中ε和Minpt为用户定义的参数。直接密度可达：设p为核心对象，|q，p| <= ε，...
分类：
数据库 时间：
2015-08-14 13:09:21
阅读次数：
183
数据集如下所示：1,1,12,1.5,13,0.5,13,5,-17,0.75,-17,4,28,5,28,5.5,2数据集有三个属性，分别是二维坐标中的x和y，第三个属性是所属的类，-1代表为孤立点，坐标系如下图所示：源代码如下：package neugle.dbscan;import java....
分类：
数据库 时间：
2015-07-20 18:42:42
阅读次数：
203
