matlab代码编写DBSCAN算法

以下是使用MATLAB编写DBSCAN算法的代码示例：

function [cluster_idx, C, point_status] = dbscan(X, eps, minPts)
% X: 输入数据矩阵，每行代表一个数据点
% eps: 邻域半径
% minPts: 最小密度，用于判断核心点
% cluster_idx: 簇编号，0表示噪声点
% C: 簇的数量
% point_status: -1表示噪声点，0表示未访问，1表示已访问

n = size(X, 1);
point_status = zeros(n, 1); % 初始化点的状态
cluster_idx = zeros(n, 1); % 初始化簇编号
C = 0; % 初始化簇的数量

for i = 1:n
    if point_status(i) == 0 % 未访问的点
        point_status(i) = 1; % 标记为已访问
        D = pdist2(X(i,:), X, 'euclidean'); % 计算距离
        neighbors = find(D <= eps); % 找出邻域内的点
        if length(neighbors) < minPts % 不是核心点
            point_status(i) = -1; % 标记为噪声点
        else % 是核心点
            C = C + 1; % 新建一个簇
            cluster_idx(i) = C; % 给核心点分配簇编号
            point_status(neighbors) = 1; % 标记邻域内的点为已访问
            while ~isempty(neighbors) % 扩展簇
                j = neighbors(1);
                neighbors(1) = [];
                if point_status(j) == 0 % 未访问的点
                    point_status(j) = 1; % 标记为已访问
                    D = pdist2(X(j,:), X, 'euclidean'); % 计算距离
                    new_neighbors = find(D <= eps); % 找出邻域内的点
                    if length(new_neighbors) >= minPts % 是核心点
                        neighbors = [neighbors new_neighbors]; %#ok
                    end
                end
                if cluster_idx(j) == 0 % 未分配簇编号的点
                    cluster_idx(j) = C; % 分配簇编号
                end
            end
        end
    end
end
end

此代码实现了基本的DBSCAN算法，可以根据输入的数据矩阵X，邻域半径eps和最小密度minPts，返回簇编号、簇的数量和点的状态。