你可以用matlab写一段DBSCAN算法的例子么

当然可以，以下是一个matlab实现的DBSCAN算法的示例代码：

% DBSCAN算法的matlab实现
function [labels, num_clusters] = DBSCAN(X, eps, minPts)
    % 输入参数：
    % X：数据集
    % eps：邻域半径
    % minPts：密度阈值
    % 返回值：
    % labels：每个点的类别标签，0表示噪声点
    % num_clusters：聚类簇的数量

    % 初始化参数
    C = 0; % 聚类簇的数量
    n = size(X, 1); % 数据点的数量
    visited = false(n, 1); % 记录每个点是否访问过
    labels = zeros(n, 1); % 每个数据点的类别标签
    D = pdist2(X, X); % 计算距离矩阵

    % 迭代每个数据点
    for i = 1:n
        if visited(i)
            continue; % 如果已经访问过，则跳过
        end
        visited(i) = true; % 标记为已访问
        N = find(D(i, :) <= eps); % 计算i点的邻域
        if length(N) < minPts % 如果邻域内的点数小于密度阈值minPts，则标记为噪声点
            labels(i) = 0;
        else
            C = C + 1; % 新的聚类簇
            labels(i) = C; % 将i点标记为当前聚类簇的核心点
            k = 1;
            while true
                j = N(k);
                if ~visited(j) % 如果j点未访问过
                    visited(j) = true; % 标记为已访问
                    N2 = find(D(j, :) <= eps); % 计算j点的邻域
                    if length(N2) >= minPts % 如果j点邻域内的点数大于等于密度阈值minPts
                        N = unique([N, N2]); % 将j点邻域中的点加入i点邻域
                    end
                end
                if labels(j) == 0 % 如果j点未被标记过
                    labels(j) = C; % 将j点标记为当前聚类簇的成员点
                end
                k = k + 1;
                if k > length(N) % 如果i点的邻域中的点都被遍历过了
                    break; % 结束循环
                end
            end
        end
    end
    num_clusters = C; % 返回聚类簇的数量
end

这段代码将输入数据集X、邻域半径eps和密度阈值minPts作为输入参数，并输出每个点的类别标签和聚类簇的数量。其中，labels(i) == 0表示第i个点是噪声点，labels(i) > 0表示第i个点属于第labels(i)个聚类簇。