dbscan中基于密度和阈值的聚类

Question

我正在处理一些工业零件的热温度数据。我有一个带有温度值的零件的像素级温度。我想使用dbscan来识别每个部分中都有像素簇的部分，其中簇中的所有点都超过阈值温度。我尝试使用dbscan，但不知道如何使用阈值温度和群集大小作为条件来进行识别。

我尝试仅隔离超过阈值（230）的点，并尝试查看该簇是否超过一定大小。以下代码：c(1,3)是温度的x，y值，v是温度。

new<-sub%>%filter(sub$v>230)%>% as.data.frame(.)
db <- fpc::dbscan(new[,c(1,3)], eps =3, MinPts = 10)
plot(db, new[,c(1,3)], main = "DBSCAN", frame = FALSE)

完整的零件外观：

使用阈值温度过滤后的

dbscan输出”：

Answer 1

请勿使用fpc软件包。请改用dbscan！

我不确定DBSCAN是否适合您的taskz，因为下面您将讨论10x10区域。为此，标准的 convolution 会更合适...

但是，除了DBSCAN可以为您工作之外，只要您选择适当的属性（n，m，f，c？这些是什么？）和参数（半径分钟）即可。也许您的epsilon太小了？