1 簡介

DBSCAN?算法是基于密度的空間數(shù)據(jù)聚類算法，可將密度足夠大的相鄰區(qū)域連接，并可以在排除噪聲干擾的情況下生成任意形狀的簇。該算法通過對數(shù)據(jù)集中每個點(diǎn)進(jìn)行?Eps?鄰域搜索形成簇，如果該點(diǎn)的?Eps?鄰域內(nèi)點(diǎn)的個數(shù)不少于Minpts，則進(jìn)行以該點(diǎn)為核心對象的聚類過程，迭代地聚集從這些核心對象直接密度可達(dá)的對象，并合并密度可達(dá)簇，當(dāng)沒有新的點(diǎn)添加到任何簇時，該過程結(jié)束。下面介紹一下?DBSCAN?算法的幾個重要概念：

（1）Eps?鄰域：給定對象半徑為?Eps?內(nèi)的區(qū)域?yàn)樵搶ο蟮?Eps?鄰域。

（2）核心對象：若給定對象?Eps?鄰域內(nèi)的樣本個數(shù)不小于?Minpts?，該對象為核心對象。

（3）Minpts：核心對象在?Eps?鄰域包含的最小點(diǎn)數(shù)。

（4）直接密度可達(dá)：對于樣本集合?D?，若樣本點(diǎn)?q在?p?的?Eps?鄰域內(nèi)，p?是核心對象，則?p?對?q?直接密度可達(dá)。

2 部分代碼

A=imread('C:\Users\dell\Desktop\Semantic dataset100\Semantic dataset100\ground-truth\3096.png');%X=image;%Y=[0,0;0,0;0,0;9,8];% X1=inv(X)% Y1=inv(Y);%la=length(X);[m,n]=size(A);%lb=length(Y);%[r,k]=size(label);for i=1:n ? ?%for q=1:k ? ? ? ?for j=1:m ? ? ? ? ? % for p=1:r ? ? ? ?if (A(i,j)&&B(i,j)) ? ? ? ? ?z=A(i,j)-label(i,j); ? ? ? ? ?u=abs(z); ? ? ? ? ?z1=+u; ? ? ? % else ? ? ? ? ? % break; ? ? ? ?end ? ? ? ? ? ?%end ? ? ? % end ? ? ? endendfor i=1:n ? ?for j=1:m ? ? ? ?z2=+A(i,j); ? ?endend ue=z1/z2;

3 仿真結(jié)果

4 參考文獻(xiàn)

[1]覃正優(yōu). 基于改進(jìn)超像素和譜聚類的圖像分割算法研究[D]. 廣西師范學(xué)院.

[2]丁倩, 周紹光, 鄧巧,等. 結(jié)合RGB三維直方圖和DBSCAN算法的圖像分割[J]. 計算機(jī)工程與應(yīng)用, 2018, 54(21):7.

博主簡介：擅長智能優(yōu)化算法、神經(jīng)網(wǎng)絡(luò)預(yù)測、信號處理、元胞自動機(jī)、圖像處理、路徑規(guī)劃、無人機(jī)等多種領(lǐng)域的Matlab仿真，相關(guān)matlab代碼問題可私信交流。

部分理論引用網(wǎng)絡(luò)文獻(xiàn)，若有侵權(quán)聯(lián)系博主刪除。