Question

我对以下代码有2个问题：

如何获得积分＆＃39;在结果中的每个群集中？

结果如何包含3个群集，其中一个群集的大小为0？

import de.lmu.ifi.dbs.elki.data.model.Model;
import de.lmu.ifi.dbs.elki.database.StaticArrayDatabase;
import de.lmu.ifi.dbs.elki.datasource.ArrayAdapterDatabaseConnection;
import de.lmu.ifi.dbs.elki.datasource.DatabaseConnection;
import de.lmu.ifi.dbs.elki.distance.distancefunction.geo.LatLngDistanceFunction;
import de.lmu.ifi.dbs.elki.math.geodesy.WGS84SpheroidEarthModel;
import java.util.List;
import de.lmu.ifi.dbs.elki.algorithm.clustering.DBSCAN;
import de.lmu.ifi.dbs.elki.data.Cluster;
import de.lmu.ifi.dbs.elki.data.Clustering;
import de.lmu.ifi.dbs.elki.data.DoubleVector;

/**
 *
 * @author Paul Z. Wu Jan 14, 2018
 */
public class DBScan {
public static void main(String args[]) {
    final double[][] data = new double[][]{{48.774332, -78.532054}, {40.774032, -73.531154},
    {40.774232, -73.531084}, {48.774332, -78.531054}};
    DatabaseConnection dbc = new ArrayAdapterDatabaseConnection(data);
    DBSCAN<DoubleVector> scan = new DBSCAN<>(new LatLngDistanceFunction(WGS84SpheroidEarthModel.STATIC), 2000, 1);
    StaticArrayDatabase db = new StaticArrayDatabase(dbc, null);
    db.initialize();
    Clustering<Model> c = scan.run(db);


    System.out.println(c.getAllClusters().isEmpty());
    List<Cluster<Model>> list = c.getAllClusters();
    for (Cluster<Model> cl : list) {
        System.out.println("size=" + cl.size());
        System.out.println("...." + cl.getIDs() + "..." + cl.getModel() + "  ");
        //How to get the original 'points' in this cluster? One of them should
        //contain {40.774032, -73.531154},{40.774232, -73.531084}
    }
}

Answer 1

请参阅tutorial.javaapi.PassingDataToELKI line 73

Relation<NumberVector> rel = db.getRelation(TypeUtil.NUMBER_VECTOR_FIELD);

并参见tutorial.javaapi.PassingDataToELKI lines 102-104

for(DBIDIter it = clu.getIDs().iter(); it.valid(); it.advance()) {
    // To get the vector use:
    NumberVector v = rel.get(it);
}

ELKI使用“整洁数据”架构。大多数算法都期望向量的数据库关系（思考：列或表）。实际上，与列存储没有什么不同，但在连续密集数据的压缩方面没有任何东西是gainen。通常具有固定的维度（=向量字段）。对于地理数据，您甚至可以将其指定为具有两个维度。

标签将存储在第二个关系/表/列中。

另请参阅GeoIndexing示例以将DBSCAN扩展为更大的数据集。我在2300万地理坐标上使用了OPTICS，但显然需要一段时间才能运行（不过几天）。我建议为大型数据集启用进度日志记录，甚至会尝试估计剩余时间。

如何使用ELKI的DBSCAN获取群集所包含的原始点？

1 个答案: