机器学习 ELKI 使用心得 DBSCAN
来源:互联网 发布:学办公软件 编辑:程序博客网 时间:2024/06/04 01:17
一下是我们使用elki 在自己的代码中调用DBSCAN 算法的一个例子int NumberofDatabase=2730*35;String file="E://RXM_DATA//weka_elki_data//HSV//Data_JD_20_1.arff";Pattern colSep = Pattern.compile("\\s*[,;\\s]\\s*");String quoteChars = "\"'";Pattern comment = Pattern.compile("^\\s*(#|//|;|@| ).*$");BitSet labelIndices = new BitSet();Parser parser=new NumberVectorLabelParser<>(colSep, quoteChars, comment, labelIndices, DoubleVector.FACTORY);DatabaseConnection dbc=new FileBasedDatabaseConnection(null, parser, file);Database db=new StaticArrayDatabase(dbc,null);db.initialize();EuclideanDistanceFunction distanceFunction=EuclideanDistanceFunction.STATIC;double epsilon=0.1;int minpts=50;int numberOfNeighbors=50;SharedNearestNeighborIndex.Factory<NumberVector, SharedNearestNeighborIndex<NumberVector>> indexFactory=new Factory(numberOfNeighbors, distanceFunction);SharedNearestNeighborSimilarityFunction<NumberVector> similarityFunction=new SharedNearestNeighborSimilarityFunction<NumberVector>(indexFactory);SNNClustering<NumberVector> snn=new SNNClustering(similarityFunction, epsilon, minpts);Clustering<Model> c=snn.run(db);Relation<NumberVector> relation = db.getRelation(TypeUtil.NUMBER_VECTOR_FIELD);DBIDRange ids = (DBIDRange) relation.getDBIDs();</span>int belong[] = new int[NumberofDatabase];int i = 0;for(Cluster<Model> clu : c.getAllClusters()) {System.out.println(clu.getNameAutomatic()); if(clu.getNameAutomatic().equals("Noise")) { for(DBIDIter it = clu.getIDs().iter(); it.valid(); it.advance()) { final int offset = ids.getOffset(it); belong[offset]=-1; } } else { for(DBIDIter it = clu.getIDs().iter(); it.valid(); it.advance()) { final int offset = ids.getOffset(it); belong[offset]=i; } ++i; } }FileWriter file1=new FileWriter("C://Users//Administrator//Desktop//Work//PPM_03//LM//landmark_0.09_50.dat");for(int i1=0;i1<NumberofDatabase;i1++){file1.write(belong[i1]+"\n");}file1.flush();file1.close();System.out.println("i="+i+"\n");
0 0
- 机器学习 ELKI 使用心得 DBSCAN
- 机器学习-python实现DBSCAN
- 机器学习算法-DBSCAN聚类
- Python机器学习——DBSCAN聚类
- 机器学习23-密度聚类DBSCAN算法
- 机器学习第十三课(DBSCAN,密度最大值聚类,谱聚类)
- 机器学习面试心得
- 《机器学习》课程心得(1)
- 《机器学习》课程心得(2)
- [心得]机器学习精华笔记
- DBSCAN算法学习小结
- 白话机器学习算法(三)基于密度的聚类 DBSCAN
- 简单易学的机器学习算法——基于密度的聚类算法DBSCAN
- 白话机器学习算法(三)基于密度的聚类 DBSCAN
- 机器学习算法实践-聚类算法-无监督聚类-DBSCAN
- 简单易学的机器学习算法——基于密度的聚类算法DBSCAN
- 机器学习算法(聚类算法)—基于密度的聚类算法DBSCAN
- 机器学习笔记(九)聚类算法及实践(K-Means,DBSCAN,DPEAK,Spectral_Clustering)
- POJ 1584 A Round Peg in a Ground Hole(是否凸包 && 圆是否在凸包内)
- Shiro 学习应用(续)
- Android使用DrawerLayout创建左右两个抽屉菜单
- printf与scanf函数的格式字符
- 17.3.3 关于进程的执行顺序
- 机器学习 ELKI 使用心得 DBSCAN
- Setting Up a Simple OCR Server
- 软件工程基础知识---软件维护
- RPC + NFS
- Kettle连接达梦数据库
- owncloud源码分析 修改界面
- javascript 带千分号显示数字
- 输入框放大镜,真的有必要吗?
- 数组循环移位k>0或者k<0