DBSCANClusterer

java.lang.Object

org.hipparchus.clustering.Clusterer<T>

org.hipparchus.clustering.DBSCANClusterer<T>

类型参数:: T - 要聚类的点的类型

public class DBSCANClusterer<T extends Clusterable> extends Clusterer<T>

DBSCAN（具有噪声的基于密度的空间聚类应用）算法。

DBSCAN算法基于密度连接的概念形成聚类，即点p与另一个点q密度连接，如果存在一系列点p_i，其中i = 1 .. n且p₁ = p和p_n = q，使得每对<p_i，p_i+1>是直接密度可达的。点q从点p直接密度可达，如果它在该点的ε-邻域内。

任何不是从形成的聚类密度可达的点都被视为噪声，因此不会出现在结果中。

该算法需要两个参数：

eps：定义点的ε-邻域的距离
minPoints：形成聚类所需的最小密度连接点数

另请参阅:

构造器概要

构造器

构造器

说明

DBSCANClusterer(double eps, int minPts)

创建一个新的DBSCANClusterer实例。

DBSCANClusterer(double eps, int minPts, DistanceMeasure measure)

创建一个新的DBSCANClusterer实例。
方法概要

修饰符和类型

方法

说明

List<Cluster<T>>

cluster(Collection<T> points)

执行DBSCAN聚类分析。

double

getEps()

返回要考虑的邻域的最大半径。

int

getMinPts()

返回形成聚类所需的最小点数。

从类继承的方法 org.hipparchus.clustering.Clusterer
distance, getDistanceMeasure

从类继承的方法 java.lang.Object
clone, equals, finalize, getClass, hashCode, notify, notifyAll, toString, wait, wait, wait

构造器详细资料
- DBSCANClusterer
  
  public DBSCANClusterer(double eps, int minPts) throws MathIllegalArgumentException
  
  创建一个新的DBSCANClusterer实例。
  默认距离度量将使用欧几里德距离。
  
  参数:
  
  eps - 要考虑的邻域的最大半径
  
  minPts - 形成聚类所需的最小点数
  
  抛出:
  
  MathIllegalArgumentException - 如果eps < 0.0或minPts < 0
- DBSCANClusterer
  
  public DBSCANClusterer(double eps, int minPts, DistanceMeasure measure) throws MathIllegalArgumentException
  
  创建一个新的DBSCANClusterer实例。
  
  参数:
  
  eps - 要考虑的邻域的最大半径
  
  minPts - 形成聚类所需的最小点数
  
  measure - 要使用的距离度量
  
  抛出:
  
  MathIllegalArgumentException - 如果eps < 0.0或minPts < 0
方法详细资料
- getEps
  
  public double getEps()
  
  返回要考虑的邻域的最大半径。
  
  返回:
  
  邻域的最大半径
- getMinPts
  
  public int getMinPts()
  
  返回形成聚类所需的最小点数。
  
  返回:
  
  形成聚类所需的最小点数
- cluster
  
  public List<Cluster<T>> cluster(Collection<T> points) throws NullArgumentException
  
  执行DBSCAN聚类分析。
  
  指定者:
  
  cluster 在类中 Clusterer<T extends Clusterable>
  
  参数:
  
  points - 要聚类的点
  
  返回:
  
  聚类的列表
  
  抛出:
  
  NullArgumentException - 如果数据点为null