java - 如何使用apache的DBSCANClusterer

Question

我有一个问题中提到的距离矩阵:

Clustering with a distance matrix

现在，我想使用 apache 中的 DBSCANclusterer.java 类在此矩阵上执行 DBSCAN。

“cluster”方法将点的集合作为输入。这些点的格式是什么？

引用上面的矩阵，我应该在集合参数中添加什么？

有人可以粘贴代码片段吗？我想将距离指定为:

甲乙:20甲、乙:20...

然后当我完成聚类时，相似的样本应该聚集在一起。

Answer 1

希望这对您有所帮助。

public class App {

public static void main(String[] args) throws FileNotFoundException, IOException {
    File[] files = getFiles("./files2/");

    DBSCANClusterer dbscan = new DBSCANClusterer(.05, 50);
    List<Cluster<DoublePoint>> cluster = dbscan.cluster(getGPS(files));

    for(Cluster<DoublePoint> c: cluster){
        System.out.println(c.getPoints().get(0));
    }                       
}

private static File[] getFiles(String args) {
    return new File(args).listFiles();
}

private static List<DoublePoint> getGPS(File[] files) throws FileNotFoundException, IOException {

    List<DoublePoint> points = new ArrayList<DoublePoint>();
    for (File f : files) {
        BufferedReader in = new BufferedReader(new FileReader(f));
        String line;

        while ((line = in.readLine()) != null) {
            try {
                double[] d = new double[2];
                d[0] = Double.parseDouble(line.split(",")[1]);
                d[1] = Double.parseDouble(line.split(",")[2]);
                points.add(new DoublePoint(d));
            } catch (ArrayIndexOutOfBoundsException e) {
            } catch(NumberFormatException e){
            }
        }
    }
    return points;
}
}

示例数据:

12-01-99 11:31:01 AM, -40.010, -70.020
12-01-99 11:32:01 AM, -41.010, -71.020
12-01-99 11:33:01 AM, -42.010, -72.020
12-01-99 11:34:01 AM, -43.010, -73.020
12-01-99 11:35:01 AM, -40.010, -74.020

所有文件都位于名为 files2 的文件夹中，其位置在 getFiles 方法中声明。