dp.zip_DP_聚类_聚类算法

% clear all;close all;clc function [ObjVal]=dp(precent) % drawData; %% 导入数据 load spiral; % data=d; [Row,Col]=size(data); D=pdist(data); %计算任意两点之间的距离 N=size(D,2); %数据点对数（无重复） % w=input('密度计算方式：'); % h=input('是否识别halo点，输入1为识别：'); DM=squareform(D); % 将数据点距离还原为距离矩阵 stop=1; %循环停止算子 %% 设定相关参数（依次为“距离方式”、“画板”、“噪点（h=1为设置噪点）”、“neighbours百分比”） while stop==1 percent=input('平均邻近点数目百分比：'); w=1; h=2; fprintf('average percentage of neighbours (hard coded): %5.6f\n', percent); position=round(N*percent/100); sda=sort(D); %升序 %sdb=sda(2:N-1); %s=sum(sdb); %dc=s/(N-2); dc=sda(position); %% 计算密度rho % rho=rho( DM,w,Row,dc ); rho=zeros(1,Row); %将数据点的密度存放在一个1行n列的向量中 if w==1 %高斯核空间（dc为核参数） for i=1:Row-1 for j=i+1:Row rho(i)=rho(i)+(exp(-(DM(i,j)/dc)*(1/dc))); rho(j)=rho(j)+(exp(-(DM(i,j)/dc)*(1/dc))); end end elseif w==2 for i=1:Row a=DM(i,:); sdn=sum(a<dc)-1; %小于dc的个数 sdm=sum(a(a<dc))/(sdn+eps); %小于dc的距离和 rho(i)=sdn/(1+sdm);%计算单位距离密度 end else %欧式空间 for i=1:Row-1 for j=i+1:RowT if (DM(i,j)<dc) rho(i)=rho(i)+1.; rho(j)=rho(j)+1.; end end end end %% 计算delta值 tic [rho_sorted,ordrho]=sort(rho,'descend'); %将rho按降序排列（rho_sorted）并记录其标号（ordrho） delta(ordrho(1))=max(DM(ordrho(1),:)); %rho最大值点的delta值为该点到所有点的最大距离 nneigh(ordrho(1))=0; %密度最大的点没有比他密度大的邻近点，为0 for i=2:Row [delta(ordrho(i)),nnidx]=min(DM(ordrho(1:i-1),ordrho(i))); nneigh(ordrho(i))=ordrho(nnidx); end toc drawDP; %% 计算gamma值 for i=1:Row ind(i)=i; gamma(i)=rho(i)*delta(i); end [gamma_sorted,ordgamma]=sort(gamma,'descend'); figure plot(gamma_sorted,'.','markersize',12); xlabel('n');3 ylabel('\gamma'); %% 将相关结果写入文件 % write_res; %% 聚类有效性评价 %sil评价指标 sil=mean(silhouette(data,cl)) %准确率评价指标 idx=cl; c=cl; Ex_evaluation; %outliers; if cl==1 ObjVal=0; else ObjVal=CDbw(data,icl ,cl); end end