既定のユークリッド距離計量でDBSCANを使用して,2次元の円状データセットをクラスター化します。また，2乗ユ，クリッド距離計量でdbscanとk-表示クラスタリングを使用してデ，タセットをクラスタ，化した結果を比較します。

ノ▪▪ズがある2▪▪の円が含まれている人工的なデ▪タを生成します。

rng (“默认”）%用于再现性%数据生成参数N = 300;%每个集群的大小R1 = 0.5;%第一个圆的半径R2 = 5;%第二圆半径= linspace(0,2*pi,N)';X1 = r1*[cos(theta)，sin(theta)]+ rand(N,1);X2 = r2*[cos(theta)，sin(theta)]+ rand(N,1);X = [x1; x2];%噪声二维圆形数据集

デ，タセットを可視化します。

散射(X (: 1), (2):,)

。

デタに対してdbscanクラスタリングを実行します。εの値として1を，minptsの値として5を指定します。

idx = dbscan(X,1,5);默认的距离度量是欧氏距离

クラスタリングを可視化します。

gscatter (X (: 1) X (:, 2), idx);标题(使用欧几里得距离度量的DBSCAN）

ユークリッド距離計量を使用した場合,DBSCANはデータセット内の2つのクラスターを正しく識別します。

2乗ユクリッド距離計量を使用して，dbscanを実行します。εの値として1を，minptsの値として5を指定します。

idx2 = dbscan(X,1,5，“距离”，“squaredeuclidean”）;

クラスタリングを可視化します。

gscatter (X (: 1) X (:, 2), idx2);标题(使用平方欧几里得距离度量的DBSCAN）

2乗ユークリッド距離計量を使用した場合,DBSCANはデータセット内の2つのクラスターを正しく識別します。

2乗ユ，クリッド距離計量を使用して，k-表示クラスタリングを実行します。k= 2クラスタ，を指定します。

kidx = kmeans(X,2);默认距离度量是欧几里得距离的平方

クラスタリングを可視化します。

gscatter (X (: 1) X (:, 2), kidx);标题(使用平方欧氏距离度规的K-Means）

2乗ユ，クリッド距離計量を使用した場合，k-meansクラスタリングはデタセット内の2のクラスタを正しく識別できません。

関数dbscanに対する入力として観測値間のペアワイズ距離の行列を使用してDBSCANクラスタリングを実行し,外れ値とコア点の個数を求めます。データセットは,自動車の周囲にある物体の座標を含む3次元の点の集合として格納された激光雷达スキャンです。

物体のx y z座標を読み込みます。

负载(“lidar_subset.mat”) loc = lidar_子集;

自動車の周囲の環境を強調するため,道路表面の上部の領域で自動車の左右20メートルおよび前後20メートルにわたるように関心領域を設定します。

xBound = 20;米%yBound = 20;米%zLowerBound = 0;米%

指定した領域内の点のみが含まれるようにデ，タをトリミングします。

指数= loc (: 1) < = xBound & loc (: 1) > = -xBound.．.& loc(:，2) <= yBound & loc(:，2) >= -yBound.．.& loc(:，3) > zLowerBound;Loc = Loc(索引，:);

2次元散布図としてデ，タを可視化します。プロットに注釈を付けて，自動車を強調します。

散射(loc (: 1), loc (:, 2),“。”）;注释(“椭圆”，[0.48 0.48 0.1 .1]，“颜色”，“红色”）

点集合の中心(赤い丸の部分)には，自動車の屋根とボンネットが含まれています。他のすべての点は障害物です。

関数pdist2を使用して，観測値間のペアワDを事前計算します。

D = pdist2(loc,loc);

ペアワ@ @ズ距離でdbscanを使用して，デ，タをクラスタ，化します。εの値として2を，minptsの値として50を指定します。

[idx, corepts] = dbscan(D,2,50，“距离”，“预算”）;

結果を可視化し，图に注釈を付けて特定のクラスタ，を強調します。

gscatter (loc (: 1), loc (:, 2), idx);注释(“椭圆”，[0.54 0.41 .07 .07]，“颜色”，“红色”网格)

散布図に示されているように，dbscanは11個のクラスタを識別し，自動車を別個のクラスタに配置しています。

関数dbscanは，(中心が(3、4)の付近にある)赤い丸の点のグループをプロットの右下にある点のグループと同じクラスター(グループ7)に割り当てています。これらのグル，プは別々のクラスタ，に属すると考えられます。大きいクラスタ，を分断し，点をさらに分割するため，小さい値のεを試すことができます。

また，デ，タ内の外れ値(idxの値が1)もいくか識別されています。dbscanが外れ値として識別した点の個数を求めます。

求和(idx == -1)

Ans = 412

dbscanは，19070個の観測値から412個の外れ値を識別しました。

dbscanがコア点として識別した点の個数を求めます。coreptsの値の1は，コア点を示します。

Sum (corepts == 1)

Ans = 18446

dbscanは，18446個の観測値をコア点として識別しました。

より幅広い例にいては，Dbscanのパラメ，タ，値の決定を参照してください。