DBSCAN密度聚类

# coding:utf-8
"""
@author = LPS
"""
import numpy as np
import matplotlib.pyplot as plt


data = np.loadtxt(‘moon.txt‘)
n,m = data.shape
all_index = np.arange(n)
dis = np.zeros([n,n])
data = np.delete(data, m-1, axis=1)


def dis_vec(a,b):    # 计算两个向量的距离

    if len(a)!=len(b):
        return Exception
    else:
        return np.sqrt(np.sum(np.square(a-b)))


for i in range(n):   # 计算距离矩阵
    for j in range(i):
        dis[i,j] = dis_vec(data[i],data[j])
        dis[j,i] = dis[i,j]


def dbscan(s, minpts):   # 密度聚类

    center_points = []   # 存放最终的聚类结果
    k = 0  # 检验是否进行了合并过程

    for i in range(n):
        if sum(dis[i] <= s) >= minpts:   # 查看距离矩阵的第i行是否满足条件
            if len(center_points) == 0:  # 如果列表长为0，则直接将生成的列表加入
                center_points.append(list(all_index[dis[i] <= s]))
            else:
                for j in range(len(center_points)):   # 查找是否有重复的元素
                    if set(all_index[dis[i] <= s]) & set(center_points[j]):
                        center_points[j].extend(list(all_index[dis[i] <= s]))
                        k=1   # 执行了合并操作
                if k==0 :
                    center_points.append(list(all_index[dis[i] <= s]))  # 没有执行合并说明这个类别单独加入
                k=0

    lenc =  len(center_points)

    # 以下这段代码是进一步查重，center_points中所有的列表并非完全独立，还有很多重复
    # 那么为何上面代码已经查重了，这里还需查重，其实可以将上面的步骤统一放到这里，但是时空复杂的太高
    # 经过第一步查重后，center_points中的元素数目大大减少，此时进行查重更快！
    k = 0
    for i in range(lenc-1):
        for j in range(i+1, lenc):
            if set(center_points[i]) & set(center_points[j]):
                center_points[j].extend(center_points[i])
                center_points[j] = list(set(center_points[j]))
                k=1

        if k == 1:
            center_points[i] = []   # 合并后的列表置空
        k = 0

    center_points = [s for s in center_points if s != []]   # 删掉空列表即为最终结果

    return center_points



if __name__ == ‘__main__‘:
    center_points = dbscan(0.2,10)  # 半径和元素数目
    c_n = center_points.__len__()   # 聚类完成后的类别数目
    print (c_n) 
    ct_point = []
    color = [‘g‘,‘r‘,‘b‘,‘m‘,‘k‘]
    noise_point = np.arange(n)      # 没有参与聚类的点即为噪声点
    for i in range(c_n):
        ct_point = list(set(center_points[i]))
        noise_point = set(noise_point)- set(center_points[i])
        print (ct_point.__len__())   # 输出每一类的点个数
        print (ct_point)             # 输出每一类的点
        print ("**********")

    noise_point = list(noise_point)

    for i in range(c_n):
        ct_point = list(set(center_points[i]))
        plt.scatter(data[ct_point,0], data[ct_point,1], color=color[i])       # 画出不同类别的点
    plt.scatter(data[noise_point,0], data[noise_point,1], color=color[c_n], marker=‘h‘, linewidths=0.1)   # 画噪声点
    plt.show()