密度聚类算法OPTICS实现

使用Python实现OPTICS密度聚类算法

最新推荐文章于 2025-05-08 17:19:12 发布

原创

最新推荐文章于 2025-05-08 17:19:12 发布 · 808 阅读

8 ·

CC 4.0 BY-SA版权

文章标签：

#机器学习

基于密度聚类算法OPTICS最关键的是得到样本点聚类顺序图，相比于另一个密度聚类算法DBSCAN，OPTICS对输入的参数eps和MinPts不敏感。参数eps和MinPts分别代表半径和最小样本数，定义半径eps范围内邻居点数量大于等于MinPts的样本点为核心点。本文默认eps为正无穷，且MinPts在总样本数之内，则任何一个样本点都可充当核心点，下面基于此情形采用Python实现OPTICS的密度聚类顺序图。

# 导入所需包
import numpy as np
from math import sqrt
import matplotlib.pyplot as plt

class Object:
    def __init__(self, x, y):
        self.x = x
        self.y = y
        self.Processed = False
        self.reachability_distance = 'UNDEFINED'
        self.core_distance = 'UNDEFINED'

    def dist(self, obj):
        return sqrt((self.x - obj.x) ** 2 + (self.y - obj.y) ** 2)
    
    def setCoreDistance(self, MinPts, SetOfObjects):
        DisList = []
        for i in SetOfObjects:
            DisList.append(self.dist(i))
            DisList.sort()
        return DisList[MinPts-1