DBSCAN算法matlab代码

当然，我可以为您提供DBSCAN算法的MATLAB代码。以下是一个简单的实现示例：

function [labels, numClusters] = dbscan(X, epsilon, minPts)
    labels = zeros(size(X, 1), 1); % 初始化类别标签，0表示未分类
    clusterID = 1; % 类别ID
    numSamples = size(X, 1); % 样本数量
    
    for i = 1:numSamples
        if labels(i) == 0 % 未分类的样本
            if expandCluster(X, labels, i, clusterID, epsilon, minPts)
                clusterID = clusterID + 1; % 扩展簇成功，类别ID增加
            end
        end
    end
    
    numClusters = clusterID - 1; % 类别数量
    
    % 绘制聚类结果
    gscatter(X(:, 1), X(:, 2), labels);
    title('DBSCAN Clustering');
end

function expand = expandCluster(X, labels, i, clusterID, epsilon, minPts)
    seeds = regionQuery(X, i, epsilon); % 获取样本i的ε邻域内的点
    
    if numel(seeds) < minPts % 核心点判定
        labels(i) = -1; % 标记为噪声点
        expand = false;
        return;
    end
    
    labels(seeds) = clusterID; % 将种子点归类到当前类别
    
    while ~isempty(seeds)
        currentSample = seeds(1);
        result = regionQuery(X, currentSample, epsilon); % 获取当前点的ε邻域内的点
        
        if numel(result) >= minPts % 核心点判定
            for j = 1:numel(result)
                resultSample = result(j);
                if labels(resultSample) == 0 || labels(resultSample) == -1 % 未分类或噪声点
                    if labels(resultSample) == 0
                        seeds = [seeds resultSample];
                    end
                    
                    labels(resultSample) = clusterID; % 将点归类到当前类别
                end
            end
        end
        
        seeds = seeds(2:end); % 移除已处理的点
    end
    
    expand = true;
end

function seeds = regionQuery(X, i, epsilon)
    dists = pdist2(X(i, :), X); % 计算样本i与其他样本的距离
    
    seeds = find(dists <= epsilon); % 找出距离小于等于ε的样本索引
end

您可以将上述代码保存为一个名为`dbscan.m`的文件，然后在MATLAB环境中调用它。调用示例如下：

% 生成示例数据
X = [randn(100, 2); randn(100, 2) + 4];
epsilon = 1; % ε值
minPts = 5; % 最小样本数

% 调用DBSCAN算法
[labels, numClusters] = dbscan(X, epsilon, minPts);

这是一个简单的DBSCAN算法实现，其中`X`是输入数据，`epsilon`是邻域半径，`minPts`是最小样本数。算法将返回每个样本的类别标签和聚类的数量，并绘制出聚类结果。

请注意，此代码仅供参考，可能需要根据您的具体需求进行调整和优化。希望对您有所帮助！如有任何问题，请随时提问。